Inleiding tot een nieuwe artikelenreeks H. VAN PUYMBROECK. Diagnostische fase

Transcriptie

1 H U I S A R T S & N A V O R M I N G K L I N I S C H E L O G I C A A L S A N T W O O R D O P D I A G N O S T I S C H E O N Z E K E R H E I D Inleiding tot een nieuwe artikelenreeks H. VAN PUYMBROECK Waarom de klinische logica? Welke behoefte vult deze nieuwe discipline in voor de huisarts? Deze inleiding op de reeks legt de nadruk op het complexe proces van de diagnosestelling en verduidelijkt de plaats van de klinische logica hierin. De vetgedrukte en onderlijnde begrippen in de tekst verwijzen naar de woordenlijst achteraan het artikel. Zoeken naar mogelijke verklaringen en oplossingen voor problemen van patiënten behoort tot de meest essentiële competenties van een arts 1. Deze zoektocht is een complex samenspel van waarnemen, verzamelen, interpreteren en afwegen van informatie om te kunnen beslissen of de patiënt kan worden geholpen. Dit proces wordt doorgaans beschreven als het stellen van een diagnose of kortweg diagnosestelling 2. Diagnosestelling verloopt stapsgewijs 3. D i a g n o s e s t e l l i n g De diagnosestelling is een complex proces. Gezien vanuit het perspectief van de arts wordt deze complexiteit bepaald door verschillende factoren. De belangrijkste zijn de context waarin de arts werkt en de onzekerheid eigen aan ieder diagnos- Intake Tijdens de eerste fase, de intake, is vooral de patiënt actief. Hij verwoordt één of meerdere klachten, die zeer verscheiden kunnen zijn. Het kan gaan om lichamelijke sensaties, zoals pijn of moeheid, maar ook om psychische (woede, verdriet, ontevredenheid) of sociale ervaringen (uitgerangeerd worden op het werk of relationele spanningen). Het uiten van klachten ( klagen ) kan men tisch proces. beschouwen als het onder woorden brengen van de onaangename sensaties die het gevolg zijn van dergelijke ervaringen 4. Het is evenwel niet altijd duidelijk wat de gebruikte taal zegt over de betekenis of inhoud van het achterliggend probleem. De arts zal het klachtenpatroon van een patiënt daarom proberen te verhelderen door het te hertalen naar een voor hem en de patiënt herkenbare probleemstelling. Deze verduidelijking krijgt een biomedische inhoud wanneer er iets mis lijkt te lopen met de gezondheid van de patiënt. Achter het verhaal van een patiënt schuilt meestal ook één of andere hulpvraag. Hulpvragen beantwoorden aan het verwachtingspatroon dat de patiënt heeft ten overstaan van de arts. Deze verwachtingen zijn ook niet altijd meteen helder. De concrete vraag: "Kan ik pijnstillers van u krijgen?" kan uiteindelijk betekenen: "Ik verwacht dat u pijnstillers voorschrijft, maar ook dat u eens geduldig naar me luistert: ik ben bang, want ik kan mijn pijn niet meer aan!" Ook de verheldering van hulpvragen blijkt noodzakelijk. Op het einde van de intake tracht de arts met de patiënt op gelijke golflengte te komen. Hij vat de klachten en verwachtingen van de patiënt samen en legt die ter controle voor aan de patiënt. Hiermee sluit de intakefase af. Diagnostische fase In de volgende stap, de diagnostische fase, is vooral de arts actief. Hij probeert bijkomende informatie in te winnen met de bedoeling het probleemgebied zo breed mogelijk in kaart te brengen. De arts doet dit door vragen te stellen en de patiënt te onderzoeken. Hij kan ook onderzoeken/tests (laten) uitvoeren. Het in kaart brengen van gegevens uit het probleemgebied is noodzakelijk om het probleem juist te kunnen begrijpen. Het laat bovendien toe het probleem te benoemen en te categoriseren als diagnose. Het label diagnose geeft een bepaalde interpretatie aan het geheel van klachten en symptomen bij een patiënt 5. Het brengt beide onder één medisch hoofding en benoemt ze. Het soort naam dat we hiervoor gebruiken, kan zeer uiteenlopend zijn 6 : de naam longcarcinoom beschrijft een bepaalde pathologie, hypertensie duidt eerder op een pathofysiologische verklaring van het aangeboden probleem, loodvergiftiging heeft het over een etiologie, irritable bowel duidt vooral op inzicht in de nosologie van het probleem. In de huisartsengeneeskunde gebruiken we bovendien symptoomdiagnosen, dit wil zeggen dat we labelen op basis van symptomen zoals bijvoorbeeld braken, diarree, hoesten, koorts. Huisarts Nu april 2004; 33(3) 119

2 Beleidsfase Eens een diagnose is gesteld, kan de arts actie ondernemen en een aangepast hulpaanbod voorstellen. De beleidsfase sluit, samen met de evaluatie van de hulpverlening, het proces van consultatievoeren af. Verder valt deze fase buiten het bestek van deze inleiding. D i a g n o s e s t e l l i n g, e e n v o u d i g? Tot hiertoe zijn we ervan uitgegaan dat we met een bewuste en mondige patiënt te maken hadden. Maar hoe verloopt het proces van diagnosestelling bij een niet-bewuste patiënt? Het antwoord op deze vraag is kort: in principe gelijkaardig. Nochtans zijn de verschillende fasen minder herkenbaar. Een intake is bijvoorbeeld onmogelijk. We doen een beroep op familieleden of omstanders, die de actieve rol van de patiënt overnemen. Adequate diagnostiek is soms, maar niet altijd, mogelijk. Het beleid beperkt zich vaak tot triage (sortering): bij vermoeden van een ernstige, levensbedreigende pathologie (bijvoorbeeld hersenbloeding) wordt snel doorverwezen, bij minder ernstige ziektebeelden (bijvoorbeeld syncope) wordt afgewacht. De diagnosestelling is een complex proces 7. Gezien vanuit het perspectief van een arts wordt deze complexiteit bepaald door verschillende factoren. De belangrijkste zijn de context waarin een arts werkt en de onzekerheid eigen aan niet. ieder diagnostisch proces. Beide kunnen breed worden opgevat, maar wij beperken ons tot de gegevens die ons verder in dit verhaal van pas zullen komen. Context De context waarin een arts werkt beslaat verschillende niveaus. Op het niveau van de individuele zorg lijken artsen tegenwoordig belangrijke medische beslissingen te delen met hun patiënten 8. Patiënten vragen overleg, inspraak en een correcte attitude in het afhandelen van hun klacht. Op het niveau van de samenwerking met andere hulpverleners blijken, nu vaker dan vroeger, moeilijke problemen in teamverband te worden besproken 9. Hiervoor zijn goede communicatievaardigheden nodig. Een arts moet zijn Een arts kan nooit volledig zeker zijn van de juistheid van de diagnose. Eén bepaald symptoom kan immers bij verschillende ziekten voorkomen en tests kunnen vals-positief of vals-negatief zijn. Eénduidige richtlijnen, als hulp bij het oplossen van medische problemen, ontbreken vaak. De klinische logica splitst het diagnostisch denken op in drie fasen: 1) verheldering aanmelding(sklacht) en formuleren van werkhypothesen, 2) hypotheseaftasting en 3) analyse van het beslismoment: (be)handelen of keuzes en beslissingen argumenteren in een taal die voor alle teamleden verstaanbaar is. Op het niveau van de maatschappij spelen nog andere uitdagingen een rol 10. Dankzij de huidige groei in biomedische kennis en de explosie van technologische mogelijkheden verfijnt het proces van diagnosestelling steeds meer. Deze evolutie is uiteraard positief, maar kan de kostprijs van de gezondheidszorg in belangrijke mate doen stijgen. Vandaar de vraag aan artsen om hun diagnostisch (en therapeutisch) werk te onderbouwen en te verantwoorden op basis van evidentie 11. Onzekerheid Een tweede factor die de diagnosestelling bemoeilijkt is de onzekerheid. Een arts kan nooit volledig zeker zijn van de juistheid van de diagnose. Eén bepaald symptoom kan immers bij verschillende ziekten voorkomen en tests kunnen valspositief of vals-negatief zijn. Eénduidige richtlijnen, als hulp bij het oplossen van medische problemen, ontbreken vaak. Bovendien kunnen resultaten van meta-analyses en gerandomiseerde klinische trials, gebaseerd op onderzoek met grote populaties, niet blind worden toegepast op het beleid van een individuele patiënt 12. Voor de arts ontplooit zich dus een spanningsveld: enerzijds is er een toenemende vraag naar juistheid en zekerheid, anderzijds blijft er twijfel en onzekerheid. Dit heeft de leden van de werkgroep Medische Besliskunde van de WVVH aangezet om een nieuwe strategie uit te werken om diagnostische problemen bij patiënten op een logische en verantwoorde manier aan te pakken. We noemen het de klinische logica. K l i n i s c h e l o g i c a De klinische logica tracht het verband tussen bevindingen en ziekten en het oplossen van diagnostische problemen op een eenvoudige manier en in een eenvoudige taal weer te geven 13. Met deze nieuwe aanpak willen we het diagnostisch werk van een arts meer herkenbaar en hanteerbaar maken voor de dagelijkse praktijk. Beide doelstellingen worden ondersteund door het gebruik van visuele voorstellingen, want een figuur zegt vaak meer dan bladzijden uitleg. 120 Huisarts Nu april 2004; 33(3)

3 Bayesiaans denken en klinische logica Bayesiaans denken is een vorm van waarschijnlijkheidsdenken. Het steunt op de regel (of het theorema) van Bayes, een dominee-filosoof die leefde van 1702 tot Bayes stelt dat het vertrouwen in een hypothese als mogelijke verklaring voor een probleem, na het uitspelen van binnenkomende, empirische informatie, afhankelijk is van de frequentie van voorkomen van het probleem en de bewijskracht van de ingewonnen informatie. Positieve informatie sterkt dit vertrouwen, terwijl negatieve informatie het ondermijnt. Bayes beschouwt met andere woorden de bewijskracht van ingewonnen informatie als een krachtarm die inwerkt op de frequentie van voorkomen van een probleem waarop de instromende informatie betrekking heeft. In zijn meest eenvoudige vorm en toegepast op ziekte als hypothese en test als binnenkomende informatie, ziet het theorema van Bayes er uit als volgt: de kans op ziekte vóór de test x de bewijskracht van de test = de kans op ziekte na de test Op het eerste gezicht lijkt deze benadering aartsmoeilijk. Bij toetsing aan de hand van klinische situaties blijkt inderdaad dat de meeste artsen het Bayesiaans denken niet echt bezitten. Ze werken er niet expliciet mee, alle theoretische uiteenzettingen en artikels ten spijt. Dit is niet verwonderlijk, want het Bayesiaans denkkader hanteert moeilijke begrippen. Bovendien zijn deze begrippen slechts bouwstenen voor ons denken met beperkte waarde en toepassingsgebied. Het lijkt alsof het klassieke Bayesiaans denken een taal ondersteunt die vreemd is voor veel artsen. Een nieuwe taal dringt zich op. Althans voor de medisch-besliskundige aspecten is de klinische logica een poging om deze nieuwe taal vorm te geven. Bayes zou hierdoor een stuk eenvoudiger en meer hanteerbaar moeten worden voor de praktijk. Theoretische onderbouw De klinische logica splitst het proces van diagnosestelling op in drie fasen, naar analogie van de verschillende stappen die een arts bij de aanpak van een medisch-diagnostisch probleem mentaal lijkt te doorlopen 14. De eerste en tweede fase stoelen op het omgaan met verworven kennispatronen en het toepassen van evidencebased medicine principes. De derde fase steunt op de diagnosestelling als opinierevisie: werkhypothesen worden vanuit medisch-besliskundig oogpunt geanalyseerd. Het geloof in een welbepaalde werkhypothese wordt hierbij telkens hertekend. De medisch-besliskundige aspecten van deze strategie zijn gebaseerd op het Bayesiaans denkkader (zie kader), met als wiskundige onderbouw het theorema van Bayes. Praktische toepassing In de praktijk valt de eerste fase van de strategie samen met de overgang van intake naar differentiaaldiagnose: van de analyse en verheldering van de aanmelding(sklacht) van een patiënt tot en met het formuleren van mogelijke verklaringen voor diens medisch probleem. Deze verklaringen noemen we kandidaat-diagnosen of werkhypothesen. De tweede fase beslaat de analyse van deze kandidaat-diagnosen, of de zogenaamde hypotheseaftasting. Deze beschrijft het wegen van klachten en klinische bevindingen in relatie tot de verschillende kandidaat-diagnosen. Iedere kandidaat-diagnose is hierbij competitief tegenover iedere andere kandidaat-diagnose en wordt onder de loep genomen en geverifieerd aan de hand van gevonden gegevens. Deze gegevens kunnen door hun aanwezigheid/afwezigheid of positief/negatief karakter een kandidaat-diagnose ondersteunen of ondermijnen. De derde fase beschrijft de diepere analyse van het beslismoment: (be)handelen of niet. Men staat stil bij factoren die eventueel een belangrijke invloed kunnen hebben op de overstap naar de beleidsfase. AUTEUR H. Van Puymbroeck is huisarts in Antwerpen, medewerker van de WVVHwerkgroep Medische Besliskunde en assistent aan het Centrum voor Huisartsgeneeskunde van de Universiteit Antwerpen. Dankbetuiging De auteur dankt volgende leden van de werkgroep Medische Besliskunde van de WVVH voor de commentaren en ondersteuning bij het uitwerken van deze inleiding: J. Boeckx, F. Blanckaert, R. Bruyninckx, L. Debaene, J. De Wachter, L. Ferrant, J. Van den Ende. Huisarts Nu april 2004; 33(3) 121

4 V e r k l a r e n d e w o o r d e n l i j s t Diagnose Het benoemen van het medisch probleem van een patiënt op een bepaald moment. (Medische) diagnosestelling Het door anamnese, onderzoek en tests stapsgewijs verhogen van de kans op een mogelijke verklaring voor het medisch probleem van een patiënt. Hypotheseaftasting Het toetsen van werkhypothesen als mogelijke verklaring voor het medisch probleem van een patiënt aan de hand van waarnemen, vragen stellen, onderzoeken en/of tests. Kandidaat-diagnosen (werkhypothesen) (Empirisch) getoetste labels over condities die de medische probleemsituatie van patiënten tijdelijk helpen verklaren. Aan het eind van het diagnostisch proces blijft vaak één werkhypothese als meest waarschijnlijke verklaring over. Dit eindproduct noemen we kortweg de diagnose. Klinische logica Een diagnostisch probleemoplossende strategie met als doel de relatie tussen bevindingen en ziekten op een eenvoudige manier, bijvoorbeeld door het gebruik van visuele voorstellingen, en in een eenvoudige taal weer te geven. Theorema van Bayes Een statistisch model van kansberekening met als toepassing in de geneeskunde: de notie dat de kans op een bepaalde aandoening, bij instromende informatie, afhankelijk is van de kans op die aandoening in de geselecteerde populatie met of zonder de klacht en van de waarde van de binnenkomende informatie. L i t e r a t u u r 1 CanMeds: en 2 De Bruyn EEJ, et al. Diagnostische besluitvorming (zesde druk). Leuven: ACCO, 2001:37. 3 De Haan M, van De Lisdonck EH, Voorn TB. De kern van de huisartsgeneeskunde. Utrecht: Bunge, 1992: Grundmeijer HGLM, Reenders K, Rutten GEHM (reds). Het geneeskundig proces, van klacht naar therapie. Maarssen: Elsevier/Bunge, 1999: Derese A. Huisarts in beroepsopleiding [Proefschrift]. Universiteit Gent: Vakgroep Huisartsgeneeskunde en Eerstelijnsgezondheidszorg, 1992: Heyrman J. Huisartsgeneeskunde: een vak apart. Leuven: ACCO, 1994: Higgs J, Jones M (eds). Clinical Reasoning in the Health Professions (second edition). Oxford: Butterworth-Heinemann, de Vries RPF. Onderwijs in methodisch denken in de praktische geneeskunde. In: Metz J, Scherpbier A, van der Vleuten C (red). Medisch Onderwijs in de praktijk. Assen: Van Gorcum & Comp.: Dowie J. Evidence-based, cost-effective and preference-driven medicine: decision analysis based medical decision making is the pre-requisite. J Health Serv Res Policy 1996;1(2): Sackett DL, Rosenberg WMC, Gray JAM, Haynes RB, Richardson WS. Evidence based medicine: what it is and what it isn t. BMJ 1996;312: Degryse J. Van populatie tot individu. Over de toepasbaarheid van de resultaten van studies uitgevoerd bij groepen personen op individuele patiënten. Huisarts Nu 2000;29(3): Van Puymbroeck H, et al. Teaching problem solving and decision making in undergraduate medical education: an instructional strategy. Med Teach 2003;25(5): Elstein AS, Schwartz A. Clinical Problem solving and diagnostic decision making: a selective review of the cognitive research literature. BMJ 2002; 324: Buntinx F. Ondersteuning van het besliskundig denken van de huisarts. Inaugurale rede uitgesproken op vrijdag 10 november 2000 bij de aanvaarding van het ambt van Bijzonder Hoogleraar in de Klinische Epidemiologie in de Eerstelijnsgeneeskunde aan de Faculteit Geneeskunde van de Universiteit Maastricht. 122 Huisarts Nu april 2004; 33(3)

5 H U I S A R T S & N A V O R M I N G K L I N I S C H E L O G I C A ( D E E L 1 ) Van aanmelding(sklacht) tot diagnostisch landschap H. VAN PUYMBROECK, J. DE WACHTER, F. BLANCKAERT, J. BOECKX, R. BRUYNINCKX, L. FERRANT, L. DEBAENE, J. VAN DEN ENDE "Physicians are often taught that the diagnosis is in the history. We propose a corollary: that the differential diagnosis is in the careful and continued evaluation of the history and clinical data in the context of anatomy and physiology. This case illustrates the importance of a careful, considered differential diagnosis, even when the interpretation of the patient s initial symptom appears to be straightforward." Uit: Collard HR, Gruber MP, Weinberger SE, Saint S. Clinical problem-solving. Anatomy of a diagnosis. N Engl J Med 2003;349(10): Dankbetuiging Een welgemeende dank aan A. Derese en J. Heyrman voor hun stevige bijdrage aan de uitwerking van deze nieuwe strategie. We staan er niet meer bij stil, maar hoe denken artsen als ze een patiënt zien met een bepaalde klacht? Wat gebeurt er eigenlijk in hun brein? Waarom kan een diagnosestelling de mist ingaan? En hoe kan een diagnostisch landschap helpen? Dit artikel beschrijft hoe artsen vanuit een centraal aandachtspunt of niet-pluisklacht een diagnostisch landschap kunnen uitekenen en hoe ze bepaalde valkuilen uit de weg kunnen gaan. De vetgedrukte en onderlijnde begrippen in de tekst verwijzen naar de woordenlijst achteraan het artikel. De zoon van mevrouw Janssens belt u op voor een huisbezoek. Hij vertelt u dat zijn oude moeder van 70 jaar sinds gisteren aanhoudend hoofdpijn heeft. Deze hoofdpijn is vrij snel opgekomen en verontrust de zoon. Voor artsen is dit een herkenbaar probleem. Tijdens het lezen van deze casus hebt u misschien gemerkt dat er iets merkwaardigs gebeurt in uw brein: één gegeven of een set van gegevens hebben u vrijwel onmiddellijk aan het denken gezet. U dacht wellicht dat zo n aanhoudende en verontrustende hoofdpijn wel eens zou kunnen wijzen op een belangrijk hypertensieprobleem of een ernstige infectie, zoals meningitis. Opmerkelijk toch hoe snel en automatisch competitieve verklaringen in het brein van een arts opkomen na contact met een klacht van een reële of virtuele patiënt (zie kader). In dit eerste artikel willen we dit proces nader bekijken. We omschrijven het als het tekenen van een diagnostisch landschap en niet zoals gebruikelijk het uitwerken van een differentiaaldiagnose. De reden hiervoor zal u bij het lezen ongetwijfeld duidelijk worden. Merkwaardig proces Het merkwaardig fenomeen van snel en automatisch denken aan mogelijke verklaringen voor een diagnostisch probleem, uitgelokt door een aanmeldingsklacht van een patiënt, werd reeds in de jaren 1970 beschreven. Elstein et al. vonden dat ervaren artsen diagnostische problemen in eerste instantie aanpakken via een proces van vroegtijdig genereren en formuleren van een beperkt aantal mogelijke oplossingen voor het probleem, de zogenaamde werkhypothesen 1. Deze werkhypothesen worden vervolgens geanalyseerd en geëvalueerd via anamnese en onderzoek. Iedere werkhypothese stuurt hierbij een unieke datacollectie. Het verzamelen van gegevens heeft als doel mogelijke verbanden tussen gezochte en eventueel gevonden bevindingen en mogelijke oplossingen voor het probleem aan het licht te brengen. Vermits eerst hypothesen worden geformuleerd en nadien sequentieel wordt gezocht naar data die deze hypothesen ondersteunen of ontkrachten, beschreef Elstein ze als de sequentiële hypothesetoetsende methode. Norman et al. vonden dat ervaren artsen deze analytische methode slechts gebruiken bij het oplossen van moeilijke gevallen 2. Later werd aangetoond dat eenvoudige diagnostische problemen niet worden opgelost via doorgedreven analyse, maar via een snelle perceptie van bestaande relaties tussen verschillende klinische data 3. Men beschrijft deze alternatieve methode van diagnostisch probleemoplossen als patroonherkenning. Patroonherkenning houdt in dat een nieuwe casus snel, dit wil zeggen zonder redeneren, en op zicht, perceptueel dus, wordt ondergebracht in een bepaalde klasse van gekende ziektepatronen. Dit categoriseren verloopt via het matchen van casusgegevens met concrete voorbeelden of abstracte prototypes opgeslagen in het geheugen van de arts 4. Huisarts Nu april 2004; 33(3) 123

6 W e r k h y p o t h e s e n g e n e r e r e n Bij de presentatie van één of meerdere aanmeldingsklachten genereren ervaren artsen meestal drie tot vijf werkhypothesen. In acht gevallen op tien is één van deze hypothesen de correcte verklaring voor het probleem. In eerste instantie denken artsen aan veelvoorkomende verklaringen; daarna pas overwegen ze eventueel ernstige oorzaken. Het beperkt aantal werkhypothesen van ervaren artsen contrasteert fel met de uitgebreide lijsten met hypothesen als verklaring voor klachten van patiënten die studenten moeten kennen. Een student die tijdens een examen geconfronteerd worden geholpen. wordt met de voorbeeldcasus zal misschien een lijst van wel twintig oorzaken voor hoofdpijn opnoemen. Waarom dit verschil? Het is onbegonnen werk om voor ieder klinisch gegeven (bijvoorbeeld hoofdpijn) alle mogelijke verklaringen te genereren en die vervolgens te combineren met alle mogelijke verklaringen voor andere, toevallig gevonden bevindingen (bijvoorbeeld toevallig gevonden koorts). Een ervaren arts beschikt over redeneermethoden die toelaten het aantal verklaringen voor een medisch probleem drastisch te beperken. Hierbij steunt hij op ervaringskennis. Ervaring condenseert globaal verworven biomedische en klinische kennis op een efficiënte manier tot relevante en bruikbare medische kennis. Tijdens een consult krijgt een arts een grote hoeveelheid informatie te verwerken. Een ervaren arts zal die informatieverwerking vereenvoudigen: in moeilijke gevallen overweegt hij vroegtijdig een beperkt aantal betekenisvolle oplossingen niet-pluispatroon. voor het probleem; in eenvoudige gevallen clustert hij relevante gegevens snel en op zicht tot een bekend ziektepatroon. Onderzoek heeft aangetoond dat beide mechanismen automatisch geactiveerd worden in het brein van ervaren artsen, van bij de start van de arts-patiëntontmoeting 5. N i e t - p l u i s g e g e v e n o f n i e t - p l u i s p a t r o o n U kent mevrouw Janssens al lang. Het is een gezonde dame met een kritische geest. U weet dat ze tegen het gebruik van allerhande medicatie is. Bij het binnenkomen merkt u meteen dat de zoon ongerust is. Hij vertelt u dat zijn moeder Werkhypothesen moeten rekening houden met de ernst en behandelbaarheid van een aandoening. Juist deze zijn belangrijk voor de patiënt, want hij wil weten hoe erg het met hem is gesteld en of hij kan Wij bevelen de arts aan om pas een landschap te tekenen wanneer hij wordt geconfronteerd met een belangrijke probleemsituatie, zoals een niet-pluisbevinding of sinds gisterenavond hoofdpijn heeft. De pijn is ernstig en vrij snel opgekomen. Gisteren leek zijn moeder wat onrustig. Sindsdien heeft ze ook niet meer gegeten. Aanvankelijk tilde de zoon er niet zo zwaar aan, maar vandaag maakt hij zich toch echt zorgen. Zijn moeder lijkt immers verward. Opnieuw gebeurt er iets merkwaardigs in uw brein. U ervaart dat sommige gegevens belangrijker lijken dan andere. Opvallende gegevens verontrusten u misschien en krijgen voorrang in uw denkproces. Wij beschrijven ze als niet pluis. Een niet-pluisgegeven in de voorbeeldcasus is bijvoorbeeld: de felle hoofdpijn van de vrouw of de verwarde indruk die zij maakt op de zoon. Een niet-pluisgegeven is in feite een bevinding die een potentiële bedreiging inhoudt voor de patiënt en doet denken aan een ernstige pathologie. Het geeft de arts een vreemd gevoel. Zonder dit echt te kunnen uitleggen, voelt de arts dat het verontrustend karakter van de bevinding zijn diagnostisch denken prioritair bezighoudt. Dit gevoel stuurt bovendien de verdere datacollectie. Daarnaast is het ook mogelijk dat een arts niet één, maar een combinatie van gegevens als niet pluis ervaart. Dit noemen we een niet-pluispatroon. Stel dat de zoon net vóór uw komst de lichaamstemperatuur van zijn moeder heeft gemeten en dat die verhoogd is. Een niet-pluispatroon zou dan kunnen zijn: hoofdpijn + koorts van onbekende oorsprong + verwarde indruk. Een niet-pluisgegeven of niet-pluispatroon van opvallende elementen mobiliseert of triggert een specifieke set van werkhypothesen in het geheugen van een arts. Naargelang van de kennis en ervaring van de arts is deze min of meer uitgebreid. Een werkbare set bestaat uit een beperkt aantal hypothesen. Dit staat in contrast met de soms uitgebreide lijsten met mogelijke oorzaken voor een medisch probleem, die men in cursussen of tekstboeken vindt. Deze lijsten zijn meestal gebaseerd op classificatie (bijvoorbeeld oorzaken van ) en houden geen rekening met de ernst of behandelbaarheid van een aandoening. Nochtans is dit juist belangrijk voor een patiënt. Hij wil immers weten hoe erg het met hem is gesteld en of hij kan worden geholpen. Of zijn ziekte zeldzaam is of niet, is van ondergeschikt belang. Om al deze zaken aan bod te laten komen en visueel te kaderen, hebben wij in onze strategie het concept diagnostisch landschap ingevoerd (zie kader, blz. 127). 124 Huisarts Nu april 2004; 33(3)

7 D i a g n o s t i s c h l a n d s c h a p Vertrekpunt: de niet-pluisklacht Een diagnostisch landschap is een visuele voorstelling van competitieve verklaringen voor een klacht van een patiënt, een bevinding of een cluster van beide 6. Zinvolle verklaringen worden gegenereerd, geformuleerd en uitgetekend vanuit het niet-pluiskarakter van één of meerdere van deze gegevens. Onze methode om een diagnostisch landschap in beeld te brengen vertoont parallellen met de mind mapping -techniek 7. Mind mapping houdt in dat iemand vanuit een centraal gegeven zijn gedachten op papier zet, hetgeen visualisering van het denken toelaat 8. Een ervaren arts lost de meeste diagnostische problemen vrijwel automatisch en zonder veel denkwerk op 9. Hierbij kan hij een diagnostisch landschap overwegen. We pleiten er nochtans voor om pas een landschap te tekenen als men als arts geconfronteerd wordt met een belangrijke probleemsituatie, zoals een niet-pluisbevinding of niet-pluispatroon. De hoofdpijn uit onze voorbeeldcasus, met name een acute, ernstige, aanhoudende hoofdpijn bij een vrouw van 70 jaar, voelt u bijvoorbeeld aan als niet pluis. Dit kan aanleiding geven tot onderstaand diagnostisch landschap. Tunneldenken is het voortijdig aanvaarden van een werkhypothese als diagnose, vóór ze grondig werd geverifieerd. Een arts moet hiervoor steeds beducht zijn. Om dit te voorkomen is het belangrijk een diagnostisch landschap uit te tekenen. Verliefd op de eerste diagnose De werkhypothesen, uitgelokt door een aanmeldingsklacht van een patiënt, worden gestuurd door de domeinspecifieke kennis en ervaring van de arts. Beide geven aan diens diagnostisch landschap een uniek en heel persoonlijk karakter. Ook de interne consistentie van het landschap hangt nauw samen met beide factoren. We weten dat ervaren artsen meestal meer zinvolle differentiaaldiagnosen stellen dan hun jongere collega s. Toch kunnen ook zij volledig de mist in gaan. Vaak brengen ze bevindingen te snel onder in één bepaalde symptomencluster, met name de cluster die aanleiding gaf tot hun eerst gegenereerde werkhypothese. Als ze slechts een deel van de symptomen uit de cluster gepresenteerd krijgen, gaan ze koortsachtig op zoek naar andere onderdelen van de cluster, in plaats van te zoeken naar een ander verklaringsmodel. We noemen dit fenomeen tunneldenken, freezing, premature closure of nog: verliefdheid op de eerste diagnose. Tunneldenken is het voortijdig aanvaarden van een werkhypothese als diagnose, vóór ze grondig werd geverifieerd. Een arts moet hiervoor steeds beducht zijn, zelfs bij een pathognomonisch patroon zoals bijvoorbeeld een syndroom van Von Recklinghausen. Om tunneldenken te voorkomen is het belangrijk een diagnostisch landschap uit te tekenen. influenza acuut glaucoom meningitis intracraniële bloeding andere infecties, bijvoorbeeld sinusitis neuralgie miskende hypertensie acute, ernstige, aanhoudende hoofdpijn bij een vrouw van 70 jaar hersentumor arteritis temporalis intoxicatie Figuur: Diagnostisch landschap met relevante en vroegtijdig gegenereerde hypothesen voor acute, ernstige en aanhoudende hoofdpijn bij een 70-jarige vrouw. Huisarts Nu april 2004; 33(3) 125

8 E e n e e n v o u d i g l a n d s c h a p s a m e n s t e l l e n Centraal aandachtspunt definiëren De eerste stap in het tekenen van een eenvoudig diagnostisch landschap is het definiëren van een niet-pluisklacht, het traceren van een verdachte bevinding, een symptoom of een cluster van beide. Meestal gaat het om een klacht of bevinding die de arts opvalt of de patiënt (of in onze voorbeeldcasus de zoon van de patiënte) verontrust. Dergelijke bevindingen vormen het centraal aandachtspunt dat het verder differentiaaldiagnostisch denkproces stuurt. We plaatsen het in het midden van het landschap. In onze casus beschouwen we de hoofdpijn van mevrouw Janssens als niet pluis, want het verontrust u en haar zoon. De hoofdpijn is fel, sinds één dag aanwezig en bestond vroeger niet. Om deze redenen plaatsen we acute, ernstige hoofdpijn als centraal aandachtspunt in het landschap. We zouden evengoed vanuit de combinatie acute, ernstige hoofdpijn + onrust + verwardheid kunnen vertrekken, maar opgelet: het clusteren van verschillende gegevens houdt een zeker gevaar in. Wanneer we tussen een veelheid van klinische gegevens een bepaald patroon menen te herkennen, geraken we wel eens te geëngageerd in dit patroon. We geven onze verklaring niet graag op en neigen alternatieve verklaringen voor het probleem te verwaarlozen. Om dit freezing - effect te voorkomen, pleiten wij ervoor maar liefst één niet-pluisgegeven centraal in het landschap te plaatsen, samen met het geslacht en de leeftijd van de patiënt. Welke werkhypothesen? Vervolgens gaan we dit centraal aandachtspunt aangrijpen om een set van relevante werkhypothesen te genereren die het medisch probleem van onze patiënt kunnen helpen verklaren. Hierbij kunnen we eventueel gebruik maken van de fysiopathologische of anatomische context van de centrale gegevens. Daarna brengen we reliëf aan in deze set. Reliëf ontstaat door de reeks werkhypothesen op te splitsen in twee groepen: één bestemd voor de binnencirkel van het diagnostisch landschap en één voor de buitencirkel. Deze scheiding gebeurt niet op basis van voorkomen (= frequentie), maar op basis van ernst én behandelbaarheid. BINNENCIRKEL Binnencirkelhypothesen mogen niet worden gemist, of ze nu zeldzaam zijn of niet. Zij nodigen de arts uit om binnen een verantwoord tijdsbestek adequate en gerichte actie te ondernemen teneinde ernstige verwikkelingen voor de patiënt te voorkomen. Een binnencirkel bevat ernstige werkhypothesen of aandoeningen die belangrijke gevolgen kunnen hebben voor de patiënt (levensbedreigende ziekten). Een tweede belangrijk criterium is de behandelbaarheid van de aandoening. Werkhypothesen op de binnencirkel verwijzen met andere woorden naar ziekten waarvoor een zinvolle behandeling bestaat. De ernst én behandelbaarheid van de aandoening zijn belangrijke redenen waarom binnencirkelhypothesen niet mogen worden gemist, of ze nu zeldzaam zijn of niet. We mogen ze dus onder geen beding uit het oog verliezen. In essentie nodigen binnencirkelhypothesen ons uit om binnen een verantwoord tijdsbestek adequate en gerichte actie te ondernemen teneinde ernstige verwikkelingen voor de patiënt te voorkomen. Iedere werkhypothese op de binnencirkel moet in principe vóór het afsluiten van het diagnostisch proces zo volledig mogelijk worden geëxploreerd én zijn uitgesloten. Maar dit is niet altijd mogelijk. Soms oordeelt de arts bijvoorbeeld dat doorgedreven exploratie te riskant is of te veel zal kosten, of hij beschikt over te weinig tijd en middelen om aan doorgedreven diagnostiek te doen. Hoe begrijpelijk deze overwegingen ook zijn, de arts moet deze nietuitgesloten werkhypothesen in het achterhoofd houden. BUITENCIRKEL Ook de buitencirkel kan ernstige hypothesen bevatten. Het begrip ernstig heeft hier weliswaar een andere betekenis. Werkhypothesen op de buitencirkel zijn niet echt levensbedreigend en/of het zijn aandoeningen met weinig of geen zinvolle behandelingsmogelijkheden. In de buitencirkel speelt frequentie wel een rol. Het heeft immers geen zin om de buitencirkel vol te stouwen met allerlei soorten exotische, zeldzame, onbehandelbare of niet-ernstige ziektebeelden (het zogenaamde Harrison-fenomeen). Bij wijze van voorbeeld includeren we in het diagnostisch landschap van onze casus de werkhypothese influenza. Griep kan een belangrijke weerslag hebben op de toestand van mevrouw Janssens, maar toch is influenza voor haar niet echt levensbedreigend, tenzij ze bijvoorbeeld weinig zou drinken bij hoge koorts. Heeft influenza zinvolle behandelingsmogelijkheden? Tegenwoordig wel, maar ze zijn zeer duur en hebben weinig zin, vermits de natuur meestal zelf het probleem doet opklaren. Daarom plaatsen we influenza op de buitencirkel. 126 Huisarts Nu april 2004; 33(3)

9 Vaak is de plaatsing van een werkhypothese op de binnencirkel of buitencirkel onderwerp van discussie. Juist deze mogelijkheid bewijst de kracht van een diagnostisch landschap. Het is flexibel en negotieerbaar. De plaatsing van hypothesen op de ene of de andere cirkel kan zelfs wijzigen tijdens het diagnostisch proces. Deze verschuivingen hangen af van het optreden van nieuwe, soms onverwachte bevindingen tijdens het verdere verloop van het ziekteproces. Verrijkt landschap Een eenvoudig diagnostisch landschap kan verder aangevuld of verrijkt worden, door bepaalde klinische bevindingen met betrekking tot de werkhypothesen mee op te nemen in de figuur. Het moet dan wel gaan om betekenisvolle gegevens, zoals bijvoorbeeld sedimentatiestijging voor de werkhypothese arteritis temporalis in ons diagnostisch landschap (figuur 1). Het tekenen van een complex landschap in zijn verdere afwerking, op basis van het wegen van klinische informatie, komt aan bod in ons volgende artikel. AUTEURS H. Van Puymbroeck is huisarts in Antwerpen, medewerker van de WVVHwerkgroep Medische Besliskunde en assistent aan het Centrum voor Huisartsgeneeskunde van de Universiteit Antwerpen; J. De Wachter is huisarts in Lier, medewerker van de WVVH-werkgroep Medische Besliskunde en assistent aan het Centrum voor Huisartsgeneeskunde van de Universiteit Antwerpen; F. Blanckaert is huisarts in Ingelmunster, medewerker van de WVVH-werkgroep Medische Besliskunde en assistent aan de Vakgroep Huisartsgeneeskunde van de Universiteit Gent; J. Boeckx is huisarts in Veerle-Laakdal en voorzitter van de WVVH-werkgroep Medische Besliskunde en tevens staflid van het ICHO; R. Bruyninckx is huisarts in Machelen, medewerker van de WVVH-werkgroep Medische Besliskunde en assistent aan het Academisch Centrum voor Huisartsgeneeskunde van de KU Leuven; L. Ferrant is huisarts in Brussel, medewerker van de WVVH-werkgroep Medische Besliskunde en assistent aan het Centrum voor Huisartsgeneeskunde van de Universiteit Antwerpen; L. Debaene is huisarts in Antwerpen, medewerker van de WVVH-werkgroep Medische Besliskunde en assistent aan het Centrum voor Huisartsgeneeskunde van de Universiteit Antwerpen; J. Van den Ende is internist en docent besliskunde en tropische pathologie aan het Instituut voor Tropische Geneeskunde te Antwerpen. Diagnostisch landschap als concept Achter het concept diagnostisch landschap schuilen twee basisideeën: De eerste idee is dat ervaren artsen niet serieel-algoritmisch denken zoals een computer, maar parallel. Hiermee bedoelen we dat zij medische informatie mentaal in geglobaliseerde vorm en integratief kunnen bewerken. Deze idee sluit nauw aan bij het onderzoek van Schmidt, Norman en Boshuizen dat aantoonde dat ervaren artsen problemen oplossen via het triggeren van ziektescripts 10. Ziektescripts zijn mentale kennisstructuren die oorzaken, gevolgen en context van ziekteprocessen bevatten en als geheel uit het geheugen kunnen worden opgehaald. De tweede idee is dat ziektescripts worden gemobiliseerd door een bepaald aandachtspunt. Deze idee steunt op het werk van Eddy en Clanton 11. Zij vonden dat artsen geneigd zijn om zich bij het bedrijven van differentiaaldiagnostiek te focussen op één of twee bevindingen (de pivot ). Andere bevindingen worden hierbij tijdelijk mentaal uitgesloten. De selectie van pivots simplificeert het oplossen van het probleem, want de arts moet zich alleen concentreren op een beperkte set van bevindingen en moet zich niet vergalopperen aan allerlei details van de casus. Beide auteurs bewezen ook dat pivots een krachtige stimulus zijn om het hele differentiaaldiagnostisch proces te sturen. V e r k l a r e n d e w o o r d e n l i j s t Binnencirkel Een set van competitieve werkhypothesen die het probleem van de patiënt helpen verklaren en bovendien ernstig (bedreigend) en behandelbaar (aanwezigheid van zinvolle behandeling) zijn. Deze werkhypothesen mogen niet worden gemist en worden grafisch op een cirkel gezet rond het centrale aandachtspunt van een diagnostisch landschap. Buitencirkel Een set van competitieve werkhypothesen die het probleem van de patiënt helpen verklaren en geplaatst wordt rond de binnencirkel van een diagnostisch landschap. Meestal komen deze verklaringen voor het probleem van de patiënt frequent voor. Centraal aandachtspunt (Engels: pivot) Dit is een niet-pluisgegeven, verdachte bevinding, symptoom of cluster van bevindingen. Deze wordt samen met leeftijd en geslacht van de patiënt in het midden van een diagnostisch landschap geplaatst. Meestal gaat het om een klacht of bevinding die de arts of patiënt opvalt of verontrust. Huisarts Nu april 2004; 33(3) 127

10 Clusteren Cognitieve activiteit waarbij (medische) gegevens met elkaar in verband worden gebracht. Diagnostisch landschap Een visuele voorstelling van twee reeksen werkhypothesen als verklaring voor een (aanmeldings)klacht van een patiënt, een bevinding of een cluster van beide. Mind mapping Grafische representatie van informatie afgeleid uit denkprocessen van een individu. Niet-pluisgegeven Een bevinding die een potentiële bedreiging voor een patiënt inhoudt en doet denken aan ernstige pathologie. Het geeft de arts een vreemd gevoel. Zonder dit echt te kunnen verklaren, voelt de arts dat het verontrustend karakter van de bevinding zijn diagnostisch denken prioritair bezighoudt. De verdere datacollectie wordt hierdoor gestuurd. Niet-pluispatroon Een set van gegevens die in hun onderlinge samenhang doen denken aan een ernstige pathologie. Patroonherkenning Diagnostische strategie waarbij een casus snel (zonder redeneren) en op zicht (perceptueel) wordt ondergebracht in een bepaalde klasse van gekende ziektepatronen. Dit verloopt via het matchen van casusgegevens met concrete voorbeelden of abstracte prototypes opgeslagen in het geheugen van de arts. Sequentiële hypothesetoetsende methode Diagnostische strategie waarbij aan de hand van sleutelsignalen van de patiënt globale herkenningsbeelden in het geheugen van de arts worden aangesproken (de zogenaamde ziektescripts ). Deze herkenningsbeelden leiden tot een lijst van werkhypothesen die de één na de andere (sequentieel) door anamnese en onderzoek worden getoetst (hypothesetoetsing). Tunneldenken (Engels: freezing, premature closure) Het te vroeg aanvaarden van een werkhypothese als diagnose, vooraleer deze grondig is geverifieerd. Ziektescript Kennisrepresentatie in het geheugen van een arts gesteund op drie belangrijke componenten: oorzaken van ziekte ( faults ), gevolgen van ziekte ( consequences ) en contextgegevens, met name de omstandigheden waaronder een ziekte kan ontstaan ( enabling conditions ). L i t e r a t u u r 1 Elstein AS, Shulman LS, Sprafka SA. Medical problem-solving. J Med Educ 1981;56(1): Norman GR, et al. Cognitive differences in clinical reasoning related to postgraduate training. Teach Learn Med 1994;6: Groen GJ, Patel VL. Medical problem-solving: some questionable assumptions. Med Educ 1985;19: Custers EJ, Regehr G, Norman GR. Mental representations of medical diagnostic knowledge: a review. Acad Med 1996;71(10 Suppl):S Gall J, Marsden P. Clinical problem solving: the beginning of the process. Med Educ 1982;16(1): Van Driel M. Minerva: Verklarende Woordenlijst voor Evidence-Based Medicine. Leuven: ICHO, Novak JD. Concept mapping: a useful tool for science education. Journal of Research in Science Teaching 1990;27: Buzan T. The Mind Map Book. London: BBC books, Barrows HS, Feltovitch PJ. The clinical reasoning process. Med Educ 1987;21(2): Schmidt HG, Norman GR, Boshuizen HP. A cognitive perspective on medical expertise: theory and implication. Acad Med 1990;65(10): Eddy DM, Clanton CH. The art of diagnosis: solving the clinicopathological exercise. N Engl J Med 1982;306(21): Huisarts Nu april 2004; 33(3)

11 H U I S A R T S & N A V O R M I N G K L I N I S C H E L O G I C A ( D E E L 2 ) Van diagnostisch landschap tot diagnose H. VAN PUYMBROECK, J. BOECKX, F. BLANCKAERT, R. BRUYNINCKX, L. DEBAENE, J. DE WACHTER, L. FERRANT, J. VAN DEN ENDE "De imprecisie bij intuïtieve inschatting van de waarde van klinische gegevens door de modale clinicus is verwaarloosbaar vergeleken met de fout die hij maakt bij het aanwenden van correcte data in het klinisch besliskundig proces." Uit: Van den Ende J. Imported malaria in Belgium in the nineties: clinical aspects [Proefschrift]. Universiteit Amsterdam, In dit tweede artikel van de reeks Klinische logica gaan de auteurs aan de slag met één werkhypothese uit het diagnostisch landschap van de voorbeeldcasus, namelijk meningitis (zie vorig artikel). De vraag van waaruit zij vertrekken is: hoe verhouden de bevindingen koorts, hoofdpijn, niet braken en nekstijfheid zich tot de werkhypothese meningitis. Ze loodsen ons mee doorheen het proces van hypotheseaftasting om ten slotte de finale nakans op meningitis te berekenen. De vetgedrukte en onderlijnde begrippen in de tekst verwijzen naar de woordenlijst achteraan het artikel. De voorkans op een bepaalde aandoening is het vertrekpunt van waaruit een arts zijn diagnostisch denkwerk start. Om bruikbaar te zijn bij het routinematig oplossen van medische problemen moet deze zo adequaat mogelijk worden ingeschat binnen de eigen patiën- In het vorige artikel leerden we competitieve verklaringen voor een diagnostisch probleem van een patiënt af te bakenen en te ordenen als werkhypothesen binnen het reliëf van een diagnostisch landschap. We hanteerden daarbij drie criteria: ernst en behandelbaarheid bij niet te missen aandoeningen en frequentie bij andere ziekten. In dit tweede deel van de reeks gaan we met één werkhypothese uit dit landschap aan de slag, namelijk een niet te missen aandoening. De doelstelling is inzicht te krijgen in het verband tussen klachten, symptomen, technische onderzoeken en de werkhypothesen uit het diagnostisch landschap. We vertrekken van de vraag: "Hoe verhoudt zich één bepaalde bevinding tenpopulatie. tot één bepaalde werkhypothese?" Het antwoord op deze vraag is meestal genuanceerd. Vele bevindingen zijn slechts gedeeltelijk gecorreleerd met een onderliggende ziekte. Vaak is zo n correlatie onduidelijk, wordt ze vergeten of zelfs verwaarloosd. Nochtans is ze belangrijk, want de sterkte van het verband bepaalt de geloofwaardigheid van de hypothese. Het zoeken naar, het begrijpen en het correct leren inschatten van deze sterkte (of kracht ) zijn dus belangrijke stappen in het oplossen van een diagnostisch probleem. In de literatuur beschrijft men dit cruciale proces als hypotheseaftasting 1. Hypotheseaftasting begint met zich een idee te vormen van het voorkomen van een werkhypothese uit het diagnostisch landschap binnen de eigen praktijkpopulatie. Nadien wordt het verband tussen de hypothese en de voorhanden zijnde klinische informatie geëvalueerd op basis van ervaring en evidentie. Uiteindelijk wordt de meest waarschijnlijke verklaring voor het diagnostisch probleem afgebakend en benoemd tot diagnose. Een arts stelt een diagnose omdat dit gevolgen heeft voor zijn beleid. Toch is het mogelijk dat na grondige hypotheseaftasting twijfel blijft bestaan over de correctheid van de vooropgestelde diagnose. Het kan ook zijn dat meer dan één hypothese overblijft. Een patiënt kan immers verschillende ziekten tegelijkertijd hebben. In dergelijke situaties moet de arts alle overblijvende verklaringen in zijn verdere beleid betrekken. V o o r k a n s We tekenden in het vorige artikel een diagnostisch landschap uit voor een 70- jarige vrouw met acute, ernstige en aanhoudende hoofdpijn. Hieruit nemen we nu de werkhypothese meningitis even afzonderlijk onder de loep. Hoe vaak denkt u dat u geconfronteerd zult worden met deze aandoening gedurende de volgende één of twee of vijf jaar? Het antwoord op deze vraag ligt besloten in het begrip voorkans van de bewuste aandoening. De voorkans op een bepaalde aandoening is het vertrekpunt van waaruit een arts zijn diagnostisch denkwerk start. Huisarts Nu mei 2004; 33(4) 201

12 De voorkans kan worden gedefinieerd als de kans op deze aandoening bij een patiënt vóór het uitvoeren van een bepaalde onderzoekshandeling zoals anamnese, klinisch onderzoek of test 2. Om bruikbaar te zijn bij het routinematig oplossen van medische problemen moet de voorkans zo adequaat mogelijk worden ingeschat binnen de eigen patiëntenpopulatie. Voor een willekeurig persoon uit deze specifieke populatie is de voorkans op een aandoening immers gelijk aan de waarschijnlijkheid waarmee deze aandoening verwacht kan worden in deze populatie. Correct inschatten Het correct inschatten van voorkansen is niet eenvoudig 3. Vaak moeten we ons tevreden stellen met een benadering, een grootteorde van kansen. Drie bronnen kunnen ons daarbij helpen: databanken met eigen praktijkgegevens, persoonlijke ervaring en statistieken over bevolkingsonderzoek. Eigen praktijkgegevens vormen de meest relevante bron, op voorwaarde dat de registratie systematisch, éénvormig en correct is gebeurd. Ook persoonlijke ervaring is zeer bruikbaar. De arts moet dan wel beschikken over een rijke casuservaring en zich bewust zijn van mogelijke inschattingsfouten. Statistieken over bevolkingsonderzoek kunnen waardevol zijn, maar jammer genoeg soms moeilijk te ontsluiten. Hun toepasbaarheid op de eigen patiëntenpopulatie is meestal gering. De clinicus kan zich snel een idee vormen van de initiële voorkans van een welbepaalde aandoening in de eigen patiëntenpopulatie door zich af te vragen hoeveel patiënten met een bepaalde aandoening (bijvoorbeeld meningitis) hij verwacht bij de volgende x aantal patiëntcontacten. Na een eerste inschatting kan hij dit toetsen in het patiëntenbestand. Voor de toetsing gebruiken we volgende formule: n x aandoening gezien episode (bijvoorbeeld jaar) = n aantal patiënten gezien episode (bijvoorbeeld jaar) n x aandoening gezien n aantal patiënten gezien Voor onze werkhypothese meningitis kunnen we met deze formule volgende inschatting maken: éénmaal meningitis gezien op twee jaar, gedeeld door patiënten gezien op twee jaar, is gelijk aan éénmaal meningitis gezien op patiënten. We verwachten dus één patiënt met meningitis te zien bij de volgende patiëntcontacten. Dit komt neer op een voorkans van 1/ of 0,01 %. Wachtkamerkans We moeten wel beseffen dat de voorkans op een bepaalde aandoening in de huisartsenpraktijk groter is dan de voorkans van diezelfde aandoening in de algemene bevolking. Dit komt omdat patiënten klachten hebben of symptomen vertonen vóór ze naar hun dokter gaan. Vandaar ook de boutade: "door bij de dokter aan te kloppen, stijgt de kans op ziekte." In onze strategie hertalen we daarom de initiële voorkans naar de wachtkamerkans op de bewuste aandoening. Een wachtkamerkans is de kans op een aandoening die een patiënt heeft nadat hij over de drempel van de praktijk is gestapt, maar vóór de dokter hem heeft gezien. Maar dekt deze definitie de lading wel? We maken enkele bedenkingen: Bij wachtkamerkans gaat het niet om prevalentie, gedefinieerd als het aantal bestaande gevallen per individuen in de gehele bevolking op een bepaald tijdstip. Bij mensen die de ziekte al hebben, moet geen landschap meer worden getekend. Enkel nieuwe ziekte-episodes komen in aanmerking. Bij wachtkamerkans gaat het evenmin om incidentie, gedefinieerd als het aantal nieuwe gevallen per individuen in de gehele bevolking gedurende een bepaalde periode. Het gaat immers om kans op ziekte, die men wel kan berekenen via incidentie. De noemer is echter niet de tijd, maar het aantal mensen gezien in die tijd. Zoals in de formule staat, vervalt de factor tijd omdat deze zowel boven als onder de breuklijn voorkomt. Van het woord wachtkamerkans valt niet af te leiden dat we als huisarts ook patiënten op huisbezoek zien. Dat iemand tot in de wachtkamer geraakt, verandert reeds de voorkans: er is veel meer kans dat iemand met meningitis een huisbezoek aanvraagt en zelfs veel kans dat zo iemand rechtstreeks in het ziekenhuis belandt. In plaats van wachtkamerkans kan men hier spreken over de aanbelkans voor de bewuste aandoening. We moeten tot een consensus komen. We definiëren wachtkamerkans (of aanbelkans ) dus als de kans op een bepaalde ziekte vóór de arts met ondervraging en onderzoek (het aftasten ) begint. Door de aangebrachte informatie kan een wachtkamerkans groeien of afnemen. Bij groei wordt de kans omgezet in een steeds wisselend klinisch vermoeden. Dit vermoeden kan verder stijgen of dalen in probabiliteit naarmate een bepaalde werkhypothese meer of minder waarschijnlijk wordt. Bij afname kan een klinisch vermoeden verwaarloosbaar klein en dus betekenisloos worden. 202 Huisarts Nu mei 2004; 33(4)

13 K l i n i s c h e i n f o r m a t i e e v a l u e r e n Hoe sterk een klinisch vermoeden stijgt of daalt, kunnen we achterhalen door de impact te evalueren van de ingewonnen klinische of paraklinische informatie op dit vermoeden. Met evalueren bedoelen we dat we iedere bevinding gaan afwegen in relatie tot de werkhypothese onder analyse. Klinische informatie staat voor gegevens zoals klachten, symptomen en risicofactoren. Paraklinische informatie staat voor bevindingen uit klinisch of technisch onderzoek. Argumenten en hun kracht In ons model hanteren we de term argument om klinische en paraklinische bevindingen te beschrijven. Een argument dat door zijn aanwezigheid of positiviteit de kans op een bepaalde werkhypothese doet toenemen, noemen we een aantoner. Een argument dat door zijn afwe- werkhypothese. zigheid of negativiteit de kans op een bepaalde werkhypothese doet afnemen, noemen we een uitsluiter. Argumenten kunnen een verschillende bijdrage leveren om bepaalde werkhypothesen aan te tonen of uit te sluiten. Sommige leveren een aanzienlijke, andere een twijfelachtige, nog andere misschien totaal geen bijdrage. Elk van de verzamelde argumenten heeft met andere woorden een zekere waarde. Deze staat voor de mate waarmee wordt aangetoond of uitgesloten. In ons model noemen we deze waarde de kracht van het argument. De kracht van argumenten die de waarschijnlijkheid van een bepaalde werkhypothese doet toenemen, is de aantonende kracht (AK). De kracht van argumenten die de waarschijnlijkheid van een bepaalde aandoening doet afnemen, noemen we de uitsluitende kracht (UK). Is kwantificeren mogelijk? Het zou zinvol zijn mochten we krachten van argumenten op één of andere manier kunnen kwantificeren. Dit zou ons bijvoorbeeld toelaten om verschillen tussen aantonende en uitsluitende kracht van eenzelfde argument of tussen krachten van verschillende argumenten weer te geven en ze onderling te vergelijken. Krachten kunnen immers onderling sterk verschillen, zelfs bij eenzelfde argument (zie symmetrie en asymmetrie). We kunnen krachten kwantificeren op basis van gegevens uit de wetenschappelijke literatuur. Maar het gebrek aan De kracht van een argument is de mate waarmee een bepaalde bevinding bijdraagt tot het aantonen of uitsluiten van een bepaalde harde en de overvloed aan vuile data vormen een probleem. Als we krachten willen kwantificeren op basis van eigen ervaring, dan moeten we over een rijke ervaringskennis beschikken. En bij beginnende artsen is die uiteraard beperkt. Om dit op te lossen stellen we een methode voor die een brug tracht te leggen tussen de op wetenschappelijk onderzoek gesteunde onderbouwing van krachten en het inschatten en beschrijven van krachten op basis van eigen ervaring 4. We benaderen de krachten van argumenten eerst intuïtief, waarbij we steunen op onze ervaring. Daarna onderbouwen we deze argumenten aan de hand van wetenschappelijke literatuurgegevens. We verenigen beide werkwijzen ten slotte in één model. Intuïtieve benadering Mevrouw Janssens heeft sinds drie dagen koorts (38,5 C) en hoofdpijn. Ze is onrustig. Ze braakt niet, maar lijkt bij klinisch onderzoek nekstijf. Hoe benaderen we deze gegevens intuïtief? AANTONEN Door de gelijktijdige aanwezigheid van koorts, hoofdpijn, onrust en nekstijfheid zal een arts vrij vlug aan de diagnose meningitis denken. De vier bevindingen worden snel en zonder veel nadenken met elkaar verbonden en via patroonherkenning benoemd tot één plausibele diagnose. Maar hoe is het gesteld met het verband tussen iedere bevinding afzonderlijk en de vooropgestelde diagnose? Om hierop te kunnen antwoorden, analyseren we bij wijze van voorbeeld de relatie tussen twee gevonden data en één plausibele werkhypothese, namelijk hoofdpijn en nekstijfheid in relatie tot de werkhypothese meningitis. Hoofdpijn is een argument dat pleit voor de diagnose meningitis. Hoofdpijn komt vaak voor bij deze ziekte, maar ook bij andere ziekten. Beweren dat een patiënt lijdt aan meningitis omdat hij hoofdpijn heeft, is dus onzin. En hoe zit het met het argument nekstijfheid? Nekstijfheid komt eveneens vaak voor bij meningitis, maar weinig bij andere ziekten. Intuïtief voelen we aan dat het aantonen van meningitis door de aanwezigheid van nekstijfheid beter lijkt te lukken dan door de aanwezigheid van hoofdpijn. UITSLUITEN De vrouw braakt niet. Afwezigheid van braken is een uitsluitend argument. Hoeveel waarde heeft deze uitsluiter in het verwerpen van de werkhypothese meningitis? Braken kan ontbreken tijdens de beginfase van de ziekte, maar ook verder in het ziekteverloop. Afwezigheid van braken lijkt Huisarts Nu mei 2004; 33(4) 203

14 Symmetrie en asymmetrie Vaak gaan we er impliciet van uit dat er een symmetrie is tussen de krachten van eenzelfde argument. We nemen aan dat als een argument een sterke aantonende kracht heeft als het aanwezig (of positief) is, het ook een sterk ontkennende kracht heeft als het afwezig (of negatief) is. Hoeveel diagnosen worden niet uitgesloten op basis van het ontbreken van een sterk aantonend argument ("Dit is geen longembolie, want er zijn geen bloedfluimen")? Nochtans verschilt voor veel argumenten de aantonende kracht sterk van de uitsluitende kracht ( asymmetrie ). We nemen het argument hoofdpijn uit ons voorbeeld. Enerzijds pleit hoofdpijn voor de aanwezigheid van meningitis. We beseffen echter dat vele andere ziekten als symptoom hoofdpijn hebben. Anderzijds ontbreekt hoofdpijn zelden bij meningitis. We voelen intuïtief aan dat de aantonende en uitsluitende kracht van hoofdpijn voor de diagnose meningitis niet evenredig (= asymmetrisch) zijn. Een ander voorbeeld van asymmetrische argumentatie komt voor bij longauscultatie met stethoscoop. Bij longauscultatie iets horen zegt iets over de aanwezigheid van bepaalde longproblemen, maar niets horen zegt weinig of niets over de afwezigheid ervan (bijvoorbeeld beginnende pneumonie of beperkte longtumor). daarom een weinig overtuigend argument om de diagnose uit te sluiten. Maar wat als nekstijfheid als argument zou ontbreken in de casus? Dit zou ons op zijn minst doen twijfelen aan de diagnose. Intuïtief voelen we aan dat de ontkennende kracht van niet braken en ontbreken van nekstijfheid niet evenredig is. Meningitis uitsluiten lijkt op gevoel beter te lukken door de afwezigheid van nekstijfheid dan door afwezigheid van braken. Wetenschappelijke onderbouwing Aantonende (AK) en uitsluitende (UK) krachten van argumenten wetenschappelijk onderbouwen doen we bij voorkeur op basis van evidence-based gegevens uit de literatuur. In de literatuur spreekt men doorgaans van de likelihoodratio (LR) van een argument. We verduidelijken dit concept aan de hand van een diagnostische test. Dezelfde redenering geldt ook voor alle andere soorten argumenten, zoals klachten, symptomen of andere bevindingen. LIKELIHOODRATIO De invalshoek van een onderzoeker staat haaks op die van de praktiserende arts (zie Sensitiviteit en specificiteit). Een onderzoeker weet op voorhand of de onderzochte testpersoon een bepaalde ziekte heeft of niet. Een praktiserend arts kan zich naargelang een test positief of negatief uitvalt hoogstens een idee vormen over de kans dat een onderzochte persoon de welbepaalde ziekte al dan niet heeft. Het begrip likelihoodratio (LR) sluit goed aan bij deze invalshoek. Een LR vergelijkt de zieke met de niet-zieke groep testpersonen. Als ratio vergelijkt de LR de proportie zieken met de proportie niet-zieken voor eenzelfde testresultaat. Hierdoor drukt ze de kansen uit dat een bepaald testresultaat kan worden verwacht in een zieke patiëntenpopulatie in tegenstelling tot een gezonde patiëntenpopulatie. Ze geeft in feite aan met hoeveel de kans op een gegeven ziekte toeneemt of afneemt onder invloed van een testresultaat (of meer algemeen: onder invloed van een argument). Sensitiviteit en specificiteit Als het gaat over de waarde van een test, dan heeft de wetenschappelijke literatuur het dikwijls over sensitiviteit en specificiteit. Deze begrippen zijn afkomstig uit de klinische epidemiologie. Ze zijn gemeengoed voor onderzoekers die vertrouwd zijn met dit domein, maar praktiserende artsen of artsen in opleiding krijgen er nachtmerries van. De waarde van een test wordt bepaald door wetenschappelijk onderzoek. De onderzoeker splitst zijn testgroep op in twee subgroepen. Dit doet hij volgens een gouden standaard. In de ene subgroep brengt hij de testpersonen onder die de bewuste ziekte hebben (= de zieken ), in de andere subgroep deze die de bewuste ziekte niet hebben (= de gezonden ). Hij onderwerpt beide groepen vervolgens aan de te evalueren test en analyseert de resultaten. De waarde van de test wordt afgeleid uit de verkregen gegevens en vastgeankerd aan twee betrouwbaarheidsparameters: sensitiviteit en specificiteit van de test. De sensitiviteit van de test is de frequentie waarmee de test positief uitvalt bij de groep patiënten die volgens de gouden standaard aan de bewuste ziekte lijden. Daarom is sensitiviteit de mate waarin een test in staat is zieken in de zieke deelpopulatie correct te detecteren. De frequentie waarmee de test negatief uitvalt in de groep gezonde personen, noemt men de specificiteit van de test. Specificiteit duidt dus op de mate waarin een test in staat is niet-zieken in de gezonde deelpopulatie correct te detecteren. Beide parameters worden percentsgewijs uitgedrukt en gewoonlijk weergegeven in een 2x2-tabel, vierveldentabel of kruistabel (tabel 1). Een praktiserend arts daarentegen weet helemaal niet of de personen met wie hij te maken heeft, al dan niet lijden aan een bepaalde ziekte. Hij gebruikt juist één of meerdere tests om dit te achterhalen. Het is dan ook niet verwonderlijk dat artsen de invalshoek van onderzoekers moeilijk vatten en zij de maten sensitiviteit en specificiteit weinig gebruiken in de dagelijkse praktijk. Het zijn blijkbaar interessante concepten om de waarde en bruikbaarheid van een test te bestuderen, maar minder praktisch voor courant gebruik. 204 Huisarts Nu mei 2004; 33(4)

15 POSITIEVE OF NEGATIEVE LR Ieder argument heeft twee LR s: één voor een aanwezig of positief argument (de positieve LR of LR+) en één voor een afwezig of negatief argument (de negatieve LR of LR-). Met LR+ wordt bedoeld: de verhouding tussen de kans op een positieve testuitslag bij zieken en de kans op een positieve testuitslag bij niet-zieken. Met LR- wordt bedoeld: de verhouding tussen de kans op een negatieve testuitslag bij zieken en de kans op een negatieve testuitslag bij niet-zieken. De mate waarin een bepaald argument bijdraagt tot het aantonen of uitsluiten van een bepaalde werkhypothese komt overeen met de grootte van de likelihoodratio van dit argument. Tabel 1 toont hoe we een LR+ of LR- voor een bepaald argument kunnen berekenen. Het argument hier is nekstijfheid. De tabel stelt in kruisvorm een populatie voor van 200 personen opgesplitst in 100 individuen van wie we zeker weten dat ze meningitis hebben (de zieken, tweede kolom van links) en 100 individuen van wie we zeker weten dat ze geen meningitis hebben (de gezonden, derde kolom van links). De berekening van de twee LR s voor het argument nekstijfheid in relatie tot de diagnose meningitis gebeurt als volgt: proportie zieken met nekstijfheid (proportie TP) LR+ = proportie niet-zieken met nekstijfheid (proportie FP) proportie TP = = proportie FP sensitiviteit van de test (100 % - specificiteit van de test) proportie zieken zonder nekstijfheid (proportie FN) LR- = proportie niet-zieken zonder nekstijfheid (proportie TN) proportie FN (100 % - sensitiviteit van de test) = = proportie TN specificiteit van de test Met de gegevens uit tabel 1 wordt dit: proportie zieken met nekstijfheid {70/100} LR+ = = proportie niet-zieken met nekstijfheid {10/100} 70 % = = 7 10 % proportie zieken zonder nekstijfheid {30/100} LR- = = proportie niet-zieken zonder nekstijfheid {90/100} 30 % = = 0,3 90 % Op basis van deze cijfers en omgezet naar de kliniek betekent dit dat, na het vinden van nekstijfheid bij een patiënt bij wie men meningitis vermoedt, de kans op meningitis zeven keer toeneemt. De kans op meningitis bij het niet vinden van nekstijfheid neemt daarentegen slechts 0,3 keer toe. Met andere woorden: de kans op de ziekte vermindert tot ongeveer één derde van de oorspronkelijke voorkans. We kunnen deze redenering ook anders bekijken en zeggen: een LR+ van 7 betekent dat op 8 patiënten met nekstijfheid er 7 meningitis zullen hebben en 1 niet, terwijl een LR- van 0,3 betekent dat op 12 patiënten zonder nekstijfheid er 3 wel en 9 niet aan meningitis zullen lijden. Hoe we het concept LR verbinden aan ons model, is hierna samengevat: 1 aantal terecht positieven gedeeld door aantal fout-positieven (TP/FP) = de aantonende kracht van een argument = LR+ van het argument. 2 aantal terecht negatieven gedeeld door aantal fout-negatieven (TN/FN) = de uitsluitende kracht van het argument = 1/LR- verhouding van het argument. Nekstijfheid Meningitis aanwezig: Meningitis afwezig: Totaal (argument) (zieken) (gezonden) Aanwezig 70 (terecht positieven, sensitiviteit) 10 (fout-positieven) 80 Afwezig 30 (fout-negatieven) 90 (terecht negatieven, specificiteit) 120 Totaal Tabel 1: 2x2-tabel bij een groep van 200 individuen van wie 100 zeker meningitis hebben en 100 niet, al of niet met nekstijfheid. Huisarts Nu mei 2004; 33(4) 205

16 LR S ALS WAARDEMETERS 1 Foute resultaten zwakken beide krachten af (hoe groter de noemer, hoe kleiner de breuk); 2 In de meeste gevallen bepaalt de specificiteit de aantonende kracht. Is de specificiteit erg laag, dan is het aantal fout-positieven hoog en wordt de aantonende kracht behoorlijk afgezwakt; 3 De sensitiviteit bepaalt meestal de uitsluitende kracht. Is de sensitiviteit laag, dan is het aantal fout-negatieven hoog en wordt de uitsluitende kracht afgezwakt; 4 Als de sensitiviteit laag is, kan men niets beginnen met een hoge specificiteit. We nemen het argument relatieve bradycardie bij buiktyfus. Sensitiviteit is 5 %, specificiteit is 95 %. De ratio is dus 5 % (100% - 95%) of LR+ = 1!! LR s als waardemeters voor tests worden steeds meer vermeld in de literatuur, maar naar ons gevoel nog te weinig. Voor klachten, symptomen of gegevens uit het klinisch onderzoek zitten we helemaal vast 5. Bovendien leveren intuïtie en ervaring niet altijd betrouwbare gegevens op. Om uit deze impasse te geraken, hebben we getracht een oplossing aan te reiken door een brug te slaan tussen de kliniek (eigen ervaring) en de klinische epidemiologie (de literatuur) 6. Intuïtie en wetenschap, verenigd in één model Onze methode om de kracht van argumenten te benaderen verloopt stapsgewijs. Eerst schatten we de krachten van argumenten in op basis van ervaring en beschrijven we ze via woorden en/of tekens. Nadien geven we ze meer inhoud door de beschrijvingen te koppelen aan de maat die de kracht van het argument aangeeft, namelijk de LR. Hiervoor hanteren we afgeronde LR-klassen, hetgeen vooral interessant is wanneer harde gegevens ontbreken. Een LR geeft aan met hoeveel de kans op een gegeven ziekte toeneemt of afneemt onder invloed van een testresultaat (of meer algemeen:onder invloed van een argument). Kracht en LR van een argument zijn met andere woorden synoniemen van elkaar. Om de sterkte van krachten van argumenten te beschrijven gebruiken we ook tekens. Tekenscores laten toe deze krachten visueel voor te stellen en ze snel en eenvoudig te expliciteren. Wij stellen twee tekenscores voor: een plusteken (+) voor aantonen en een minteken (-) voor uitsluiten. Het aantal tekens is dan weer een maat voor de sterkte van de aantonende of uitsluitende kracht. We gebruiken het teken ~ wanneer het argument niet significant bijdraagt tot het aantonen of uitsluiten van een werkhypothese. Tabel 2 vat de twee manieren van beschrijven in één overzicht samen. Woordscore: Tekenscore: Tekenscore: aantoners en uitsluiters aantoners uitsluiters niet significant ~ ~ zwak (+) (-) goed + - sterk + (+) - (-) zeer sterk Tabel 2: Kracht van argumenten voorgesteld door woordscores en tekenscores. Bij wijze van oefening scoren we de argumenten uit onze voorbeeldcasus. Tabel 3 toont in de linkerkolom de verzameling bijeengesprokkelde argumenten die eventueel bij meningitis kunnen voorkomen. Hun respectieve krachten worden uitgedrukt aan de hand van de voorgestelde woorden tekenscores. Argumenten Kracht Kracht (woordscores) (tekenscores) Hoge koorts Zwakke aantoner (+) INSCHATTEN EN BESCHRIJVEN We beschrijven krachten van argumenten via woorden, maar zetten ze op papier aan de hand van tekens. We baseren ons hierbij op ervaringskennis. Wij stellen vijf woordscores voor om zowel aantonende als uitsluitende krachten van argumenten te beschrijven: niet significant, zwak, goed, sterk en zeer sterk. Voorlopig maken we ons niet te veel zorgen over de grootteorde en het onderscheid tussen de verschillende woordscores. Later zullen we die in verband brengen met harde gegevens uit de literatuur. Nu is onze enige bekommernis een zeker reliëf aan te brengen in het verwoorden van krachten van argumenten. Hoofdpijn Zwakke aantoner (+) Nekstijfheid Sterke aantoner + (+) Niet braken Zwakke uitsluiter (-) Tabel 3: Argumenten voor of tegen de hypothese meningitis met hun respectieve kracht uitgedrukt in woordscores en in tekenscores. Op eerste gezicht lijkt onze beschrijvende benadering van krachten van argumenten nat vingerwerk. Toch menen we dat een goed clinicus dankzij ervaring de kracht van argumenten vrij accuraat kan inschatten en beschrijven. Bij gebrek aan ervaring kan hij alsnog een beroep doen op de mening van meer ervaren collega s of peers. 206 Huisarts Nu mei 2004; 33(4)

17 Wist u dat 1 een LR een onbenoemd getal is; 2 een LR van 1 niet discrimineert tussen zieken en gezonden; 3 een LR+ kan variëren tussen 1 en oneindig positief. Hoe groter dan 1, hoe groter de LR+; 4 een LR- kan variëren tussen 0 en 1. Hoe dichter bij 0, hoe groter de LR-; 5 een LR- wordt uitgedrukt door een 0,.. getal. Hoe kleiner dan 1, hoe groter de LR-. Dit is niet gemakkelijk te begrijpen. Wij zijn gewoon verbanden in eenzelfde richting te interpreteren. Hoe groter dan 1, hoe beter, lijkt logisch, terwijl hoe kleiner dan 1, hoe beter, onlogisch lijkt. Toch is er een manier om de LR- in een getal groter dan 1 uit te drukken, door gebruik te maken van de unlikelihoodratio. Deze wordt gedefinieerd als 1/LR- of proportie TN/proportie FN. Deze verhouding geeft de kracht aan waarmee een negatieve test afwezigheid van ziekte aantoont. In ons voorbeeld is de unlikelihoodratio voor het argument nekstijfheid = {90/100} gedeeld door {30/100} = 90 % gedeeld door 30 % = 3. Dit betekent dat bij het ontbreken van nekstijfheid, afwezigheid van meningitis driemaal meer waarschijnlijk wordt. In ons model staat de unlikelihoodratio voor de uitsluitende kracht van een argument (zie blz. 203). LR-KLASSENBENADERING Intuïtie en inschatting via ervaring blijven niettemin subjectieve activiteiten. Toch zijn ze tijdens ons klinisch werk dikwijls onze enige partners. Dat is het geval wanneer voor klinische bevindingen (symptomen of klachten) in de literatuur harde gegevens zoals LR s ontbreken. Om dit te overbruggen, reikt ons model een LR-klassenbenadering aan. Tabel 4 vat deze benadering samen. In de drie linkerkolommen staan de krachten expliciet voorgesteld door woord- en/of tekenscores. In de twee rechterkolommen wordt de samenhang van deze scores weergegeven met groepen (of klassen) van LR s. Ieder van de scores laten we samenvallen met een afgebakende groep LR s. We spreken af dat we slechts één getal als representatief beschouwen voor een bepaalde groep LR s, namelijk het getal in de vijfde kolom van tabel 4. Door de redenering van tabel 4 te volgen, kunnen we de aantonende en uitsluitende kracht van ieder argument berekenen of inschatten, zelfs als er geen evidence-based gegevens over LR s voorhanden zijn. Beschikken we over alle gegevens waarmee we de LR van het argument kunnen berekenen, dan controleren we gewoon in welke groep de bewuste LR valt. We vinden in de literatuur bijvoorbeeld voor een bepaald (aanwezig of positief) argument een LR+ van 7. Deze valt in de groep 6 tot 16. Van deze groep is 10 de representatieve LR-eenheid. We weten dus dat het om een goed argument gaat. KENNIS ELABOREREN Wat moeten we doen als we slechts gedeeltelijk beschikken over evidence-based gegevens (bijvoorbeeld wel over sensitiviteit, maar niet over specificiteit)? Eerst moeten we de kracht van het argument inschatten op basis van de eigen ervaring (of bespreken met een expert of peer). We gebruiken hiervoor een woord (bijvoorbeeld zwak ), dat we daarna koppelen aan het getal dat representatief is voor de overeenkomstige groep van LR s voorgesteld in tabel 4. De resultaten moeten steeds kritisch worden geëvalueerd! We proberen desnoods een andere representatieve LR-klasse uit voor hetzelfde argument. Zo elaboreren we onze kennis en verrijken we de knowhow om argumenten met hypothesen te verbinden. Bovendien doen we daarmee recht aan de bedoeling van de bezieler van de hele EBM-beweging David Sackett die stelt dat "Evidence-based medicine (EBM) aims to integrate the best available evidence with clinical expertise" 7. Woordscore Tekenscore Tekenscore Corresponderende Representatieve LR-eenheden voor AK en UK voor AK voor UK groep LR s in iedere groep niet significant ~ ~ 0 tot 1 1 zwak (+) (-) 2 tot 5 3 goed tot sterk + (+) - (-) 17 tot zeer sterk tot 200 of meer 100 Tabel 4: Aantonende en uitsluitende krachten, hun overeenkomstige LR s, teken- en woordscores, een wiskundig verantwoorde consensus. Huisarts Nu mei 2004; 33(4) 207

18 O p n i e u w n a a r B a y e s LR s krijgen pas écht klinische betekenis wanneer we de argumenten bekijken in samenhang met wat al bekend is 8. Om dit te begrijpen gaan we even terug aankloppen bij Bayes. Nu volgt een moeilijk stukje theorie. Nochtans is de studie van Bayes niet écht noodzakelijk om ons model aan te voelen en toe te passen. De lezer aan wie wiskunde niet echt besteed is, kan wat hierna volgt overslaan. Bayes bundelt de samenhang tussen voorafgaande en nieuwe informatie samen in één formule. In de achttiende eeuw beschreef hij dat het geloof in een bepaalde hypothese vóór het uitspelen van een argument door de kracht van de binnenkomende informatie verandert in een vertrouwen op deze hypothese na het uitspelen van het argument. Toegepast op het diagnostisch proces en in zijn meest eenvoudige vorm, vertalen we dit als: Voorkans op een aandoening x Kracht van een argument = Nakans op deze aandoening (wanneer het gaat over één argument) Niet aan artsen besteed? Bayesiaanse formules maken een correcte benadering van hypotheseaftasting mogelijk 9. Uit onderzoek is echter gebleken dat artsen de Bayesiaanse formule tijdens hun klinisch werk nooit expliciet gebruiken 10. Hier zijn verschillende redenen voor. Er zijn bijvoorbeeld de aversie tegenover problemen inherent aan het gebruik van de Bayesiaanse formule (omzetten van kansen van percenten naar odds, de noodzaak om te vermenigvuldigen) en argumenten als "geen tijd" of "wiskunde is niet nodig om goed klinisch werk te verrichten". Maar bij het oplossen van medisch-diagnostische problemen lijken artsen wel degelijk een logica te volgen die in de Bayesiaanse formule impliciet ingebed ligt, namelijk die van het toevoegen of wegnemen : ieder aanwezig of positief argument voegt iets toe aan en ieder afwezig of negatief argument neemt iets weg van het geloof in een bepaalde hypothese. Dat getallen hierbij slechts een relatieve waarde hebben, beseffen artsen zeer goed. Vaak lossen ze medische problemen op een aanvaardbare manier op met als enig kompas het samenspel van kennis, ervaring en intuïtie. Daarentegen pleiten klinisch-epidemiologen en besliskundigen almaar meer voor het inbouwen van evidentie in de dagelijkse klinische praktijk en stellen ze dat kennis van de Bayesiaans logica hierbij onontbeerlijk is 11. Voorkans op een aandoening x Kracht argument 1 x Kracht argument 2 x Kracht argument n = Finale nakans op deze aandoening (wanneer meerdere argumenten meespelen) In deze formules zijn de kennis van voorkans van een aandoening en de kracht van een argument onmisbaar om tot een nakans op een bepaalde aandoening te komen. We zien ook dat de kracht van een argument kan worden beschouwd als een krachtarm, een soort hefboom die inwerkt op een voorkans. De kracht van een aantonend argument doet de voorkans op een bepaalde aandoening stijgen, terwijl de kracht van een uitsluitend argument de voorkans doet dalen. De sterkte van beide krachten ligt besloten in de grootte van de respectieve LR s. Logaritmische schaal Ons model speelt in op deze bevindingen. Het benadert het proces van hypotheseaftasting door de Bayesiaanse logica te koppelen aan een logaritmische schaal (zie kader). Kennis, ervaring, intuïtie en evidentie krijgen hierbij ruime toepassingskansen. LOGARITMEN U herinnert zich misschien uit de vroegere lessen wiskunde dat 10 tot de tweede macht gelijk is aan 10 maal 10, of 100. De logaritme doet niets anders dan het omgekeerde vragen: tot welke macht hebben we 10 moeten verheffen om tot 100 (of of een ander getal) te komen? Aangezien we 10 tot de tweede macht moeten verheffen om 100 te verkrijgen, is de logaritme (LOG) van 100 gelijk aan 2. Zo is 1 de LOG van 10 en 3 de LOG van We volgen dezelfde redenering om de logaritmen van getallen kleiner dan 1 te berekenen. Zo is bijvoorbeeld de LOG 0,1 (= LOG 10-1 ) gelijk aan -1, vermits we 10 tot de min eerste macht hebben moeten verheffen om 0,1 te krijgen. In dezelfde lijn zien we dat de LOG 0,0001= LOG 10-4 = -4. Bij benadering mogen we zeggen dat bij ronde getallen en veelvouden van 10, de logaritme het aantal nullen vóór de 208 Huisarts Nu mei 2004; 33(4)

19 komma weergeeft. Duizend heeft drie nullen vóór de komma, dus zeggen we dat de LOG gelijk is aan 3. Voor veelvouden van tien na de komma mikken we op het positiegetal van de 1 na de komma en zetten we er een minteken voor. Bij het getal 0,01 bijvoorbeeld zien we dat de 1 op twee posities na de komma staat: de LOG van 0,01 is daarom gelijk aan -2. Logaritmen worden gebruikt om grote verschillen op een meer praktische manier weer te geven. Met behulp van logaritmen worden ze teruggebracht tot een overzichtelijke schaal. In plaats van bijvoorbeeld waarden tussen 1 en , krijgen we op een logaritmische schaal waarden tussen 0 (= LOG 1) en 7 (= LOG ). Voor waarden tussen 1 en 0, krijgen we waarden tussen 0 (= LOG 1) en -7 (LOG 0, ). menten eenvoudigweg op (zie kader). Hierbij staan we waarschijnlijk dicht bij het impliciete denkwerk van artsen, namelijk vertrekken van een bepaalde voorkans en krachten van argumenten optellen of aftrekken om tot een finale nakans te komen. Met deze werkwijze komen we tot de volgende adaptatie van de Regel van Bayes: Bayes volgens de klassieke berekening: vermoeden x kracht argument = zekerheid of, wiskundig correct: voorkansen (odds) x LR = nakansen (odds) REKENEN MET LOGARITMEN Eén van de voordelen van rekenen met logaritmen is dat we een vermenigvuldiging kunnen omzetten in een som. Wanneer we bijvoorbeeld de termen in de formule voorkans diagnose x LR argument = nakans diagnose omzetten in hun respectieve logaritmen, wordt de formule omgevormd tot: LOG (voorkans aandoening) + LOG (LR argument) = LOG (nakans aandoening). Dit is bijzonder interessant en eenvoudig. We kunnen nu positieve LR s optellen bij een bepaalde voorkans (of negatieve LR s aftrekken van een bepaalde voorkans) en moeten ons niet meer bezighouden met vermenigvuldigen! Van deze eigenschap zullen we gretig gebruik maken bij het grafisch voorstellen van een diagnostisch proces (zie verder). EI VANCOLUMBUS of, via logaritmische conversie: logaritme van kansen + logaritme LR = logaritme van zekerheid of, meer algemeen: LOG (vermoeden) + LOG (kracht argument) = LOG (zekerheid) AFRONDEN Wat winnen we met dit logaritmisch model als we eerst alle gegevens naar hun logaritme moeten omrekenen? Het zou een hoop berekeningen vragen en het geheel andermaal onbruikbaar ma- "Artsen denken in proporties en percenten Eén van de voordelen van rekenen ken. In het klassieke model passen we van zekerheid, niet in kansen of odds", zei bovendien zeer moeilijke, maar exacte met logaritmen is dat we een vermenigvuldiging kunnen omzetten Paul Janssen ooit. Voor het gebruik van berekeningen toe op vuile data. Sensitiviteit, specificiteit, voorkans en nakans de Bayesiaanse formule moeten we eerst voor- en nakansen omrekenen van percenten naar odds. Niet alleen het principe, maar ook de berekening hiervan is voor een arts zeer moeilijk. In de praktijk wordt dit nooit gedaan. in een som. Dit is bijzonder interessant en eenvoudig.we moeten ons niet meer bezighouden met vermenigvuldigen! Van deze eigenschap maken we gretig gebruik bij worden eerst met de natte vinger ingeschat. Ook in de literatuur zijn deze gegevens sterk omgevingsafhankelijk en staan ze dikwijls mijlenver van de dagelijkse praktijk. Dit sluit aan bij de opmerking van Paul Janssen dat artsen niet Jef Van den Ende werkte hiervoor een het grafisch voorstellen van een diagnostisch proces. oplossing uit. Hij stelt voor om gebruik continu denken, maar in categorieën en te maken van een logaritmische, ordinale grootteorden. schaal. Ons besliskundig model is gebaseerd op zijn idee om zowel voorkansen als krachten van argumenten voor te stellen aan de hand van hun logaritme van 10. We passen het theorema van Bayes toe en tellen de voorkans en kracht van argu- Als we dit aannemen, kunnen we onze data fors vereenvoudigen door ze af te ronden. We houden bijvoorbeeld enkel rekening met gehele getallen. Hierdoor komen we automatisch bij natuurlijke categorieën terecht. Voor de schaal van zekerheid krijgen Huisarts Nu mei 2004; 33(4) 209

20 Probabiliteit in percent Probabiliteit/100 Odds Odds afgerond LogOdds -Probabiliteit 99,99 99,99/0, : : ,9 99,9/0,1 999:1 1000: /1 99:1 100: /10 9:1 10: /50 1:1 1: /91 0,09:1 0,1: /99 0,01:1 0,01:1-2 0,1 0,1/99,9 0,001:1 0,001:1-3 0,01 0,01/99,99 0,0001:1 0,0001:1-4 0,001 0,001/99,999 0,00001:1 0,00001:1-5 Tabel 5: Probabiliteit in percent omgerekend naar LOG 10 van odds berekend als volgt: LOG (10 000)/(1) = LOG (10 000) - LOG (1) = +4-0 = +4. we dan de categorieën zoals voorgesteld in tabel 5 (lees deze tabel van links naar rechts). En voor de kracht van argumenten blijven enkel niet significante, zwakke, goede, sterke en zeer sterke argumenten over (tabel 6). Steunend op deze aanpak, interpreteren we de formule van Bayes finaal als: klasse van vermoeden + of - klasse kracht = zekerheidsklasse Het plus- of minteken is hier nieuw en komt overeen met de logische redenering dat elk argument iets toevoegt aan of wegneemt van de vooraf ingeschatte waarschijnlijkheid van een overwogen diagnose. In onze nieuwe terminologie voegen we met andere woorden klassen bij of trekken ze af van de klasse van voorkans (of vermoeden). Tabel 6 geeft duidelijk aan dat deze klassen overeenstemmen met specifieke groepen LR s, waarvan één LR (1, 3, 10, 30 of 100) wiskundig zodanig correct wordt gekozen dat zijn logaritme overeenkomt met de getallen 0, 0,5, 1, 1,5 en 2. Deze getallen vertegenwoordigen de stappen in het diagnostisch diagram dat we nu gaan samenstellen. D i a g n o s t i s c h d i a g r a m Het is niet alleen zinvol krachten te kwantificeren, maar ook krachten en hun effect op voorkansen van ziekten visueel voor te stellen. Eén pennentrek heeft didactische voordelen en zegt immers vaak meer dan woorden 12. Een diagnostisch proces (probleemoplossend proces) visueel in kaart brengen zorgt ervoor dat gedachten, klinische redeneringen en medische beslissingen expliciet op papier worden gezet. Dit werkt verhelderend in de discussie over hoe het diagnostisch probleem moet worden opgelost 13,14. We brengen hierna de belangrijkste stappen van de hypotheseaftasting van ons casusvoorbeeld in kaart via één overzichtelijk diagram (figuur). We steunen hierbij op tabel 6. Woordscore Corresponderende Representatieve LR s LOG-10 van de Stappen in het voor AK en UK groep LR s in iedere groep representatieve LR s diagnostisch diagram niet significant 0 tot /- 0 stap zwak 2 tot 5 3 0,5 +/- 0,5 stap goed 6 tot /- 1 stap sterk 17 tot ,5 +/- 1,5 stappen zeer sterk 58 tot 200 of meer /- 2 stappen Tabel 6: Het verband tussen aantonende en uitsluitende krachten van argumenten en de stappen in het diagnostisch diagram. 210 Huisarts Nu mei 2004; 33(4)

21 Stappen in de hypotheseaftasting Onderstaande figuur visualiseert de verschillende argumenten (of stappen) van het proces van hypotheseaftasting voor (bacteriële) meningitis uit de voorbeeldcasus en hun effect op de voorkans van deze werkhypothese. Op de verticale as, links in het diagram, zetten we de voorkans op een bepaalde werkhypothese (in dit geval bacteriële meningitis ) uit in LogOdds (tabel 5). Op de horizontale as zetten we belangrijke conditioneel onafhankelijke argumenten naast elkaar in een volgorde zoals we ze tijdens het diagnostisch proces hebben gevonden. De lijn geeft de wijzigingen aan die de kans op de werkhypothese onder analyse tijdens het proces van hypotheseaftasting ondergaat. Deze worden teweeggebracht door 2 de kracht van de argumenten 1 zoals voorgesteld en uitgelegd 0 in tabel 4. Voor de wiskundigen: merk op dat we de conversies in de regel van Bayes -2-1 niet meer hoeven te doen, want -3 we tellen op of trekken af! -4 Argumentatie We vertrekken bij een voorkans op bacteriële meningitis van -4,5 (waarschijnlijkheid tussen 0,001 % en 0,01 %: zie tabel 5). De kans op bacteriële meningitis stijgt door de argumentatie (symptomen, bevindingen enzovoort). Het vinden van het argument vrouw, 70 jaar doet Waarschijnlijkheid op meningitis in LogOdds -5 vrouw, 70 j. de voorkans niet stijgen (niet significant). De voorkans stijgt wel een halve stap (0,5) door het vinden van zwakke aantoners (hoofdpijn en koorts) en anderhalve stap (1,5) door het vinden van sterke aantoners (nekstijfheid en verwardheid). De finale nakans op het einde van het diagnostisch proces ligt ergens halfweg tussen 10 en 50 % ziektewaarschijnlijkheid. Is deze finale nakans voldoende om de werkhypothese bacteriële meningitis te benoemen tot diagnose en de patiënt bijvoorbeeld binnen te sturen voor lumbale punctie? Deze vraag beantwoorden we in ons volgende artikel. Evolutie van ziektewaarschijnlijkheid -4,5 hoofdpijn -4 koorts -3,5 verward -2 nekstijf Argumenten en hun effect op het verloop van de waarschijnlijkheid van een bepaalde werkhypothese (hier: meningitis) tijdens een diagnostisch proces. Zwak aantonende argumenten (hoofdpijn, koorts) doen het verloop toenemen met een halve stap. Sterk aantonende argumenten (verwardheid, nekstijfheid) doen dit met anderhalve stap. Figuur: Voorbeeld van een diagnostisch diagram. -0,5 AUTEURS H. Van Puymbroeck is huisarts in Antwerpen, medewerker van de WVVHwerkgroep Medische Besliskunde en assistent aan het Centrum voor Huisartsgeneeskunde van de universiteit van Antwerpen; J. Boeckx is huisarts in Veerle-Laakdal en voorzitter van de WVVH-werkgroep Medische Besliskunde; F. Blanckaert is huisarts in Ingelmunster, medewerker van de WVVH-werkgroep Medische Besliskunde en assistent aan de Vakgroep Huisartsgeneeskunde van de universiteit van Gent; R. Bruyninckx is huisarts in Machelen, medewerker van de WVVH-werkgroep Medische Besliskunde en assistent aan het Academisch Centrum voor Huisartsgeneeskunde van de KU Leuven; L. Debaene is huisarts in Antwerpen, medewerker van de WVVH-werkgroep Medische Besliskunde en assistent aan het Centrum voor Huisartsgeneeskunde van de universiteit van Antwerpen; J. De Wachter is huisarts in Lier, medewerker van de WVVH-werkgroep Medische Besliskunde en assistent aan het Centrum voor Huisartsgeneeskunde van de universiteit van Antwerpen; L. Ferrant is huisarts in Brussel, medewerker van de WVVH-werkgroep Medische Besliskunde en assistent aan het Centrum voor Huisartsgeneeskunde van de universiteit van Antwerpen; J. Van den Ende is internist en docent besliskunde en tropische pathologie aan het Instituut voor Tropische Geneeskunde te Antwerpen. Huisarts Nu mei 2004; 33(4) 211

22 V e r k l a r e n d e w o o r d e n l i j s t Aantoner Argument dat een voorkans of klinisch vermoeden doet toenemen. Argument Elke vorm van klinische informatie (klachten, symptomen en risicofactoren) of paraklinische informatie (bevindingen uit het klinisch of technisch onderzoek). Conditioneel onafhankelijke argumenten Argumenten die geen gemeenschappelijke (fysiologische) verklaringsbasis hebben, tenzij de ziekte zelf. Diagnose De meest waarschijnlijke verklaring voor het medisch probleem van een patiënt. Diagnostisch diagram Visuele voorstelling van een diagnostisch proces binnen twee assen: de verticale as toont de waarschijnlijkheid op ziekte in LogOdds; de horizontale as toont de conditioneel onafhankelijke argumenten in het diagnostisch proces. Elaboreren van kennis Het mentaal doorwerken van kennis(gegevens). Evidentie Zekerheid op basis van wetenschappelijk onderzoek. Gouden standaard (test) Een erkende definitieve diagnostische test voor het aantonen van een ziekte. Vaak betreft het invasief onderzoek. De mate waarin de testuitslagen van andere tests overeenstemmen met de gouden standaard wordt in percentages weergegeven met de begrippen sensitiviteit en specificiteit. Om deze begrippen inzichtelijk te maken, wordt gewoonlijk gebruik gemaakt van een vierveldentabel. Hypotheseaftasting Het proces van evalueren van verbanden tussen een klinische of paraklinische bevinding en een mogelijke verklaring voor het medisch probleem van een patiënt. Incidentie Het aantal nieuwe gevallen per individuen in de gehele bevolking gedurende een bepaalde periode. (Initiële) voorkans op een bepaalde aandoening De kans op een aandoening bij een persoon vóór het uitvoeren van een bepaalde onderzoekshandeling zoals anamnese, klinisch onderzoek of test. Klinisch vermoeden Betekenisvolle kans op ziekte. 212 Huisarts Nu mei 2004; 33(4)

23 Kracht van een argument De omvang waarmee een bepaalde klinische (klacht, anamnese) of paraklinische bevinding (onderzoek, test) bijdraagt tot het aantonen of uitsluiten van een bepaalde werkhypothese. Kruistabel (2x2 tabel, vierveldentabel) Frequentietabel die in vier velden de mogelijke testuitslagen van een dichotome test (test met slechts twee resultaten: positief of negatief) aangeeft in relatie tot een bepaalde (al dan niet aanwezige) ziekte. Kwantificeren Het toekennen van een discriminerende waarde aan een bepaald argument. Likelihoodratio (LR) Getal dat aangeeft met hoeveel de kans op een gegeven ziekte toeneemt of afneemt onder invloed van een testresultaat (of meer algemeen: onder invloed van een argument). Logaritme Getal dat aangeeft tot welke macht men 10 moet verheffen om 100 (of of een ander getal) te krijgen (we beschouwen hier alleen de LOG met als basisgetal 10). Odds (en LogOdds) Kansen tegen kansen (en de logaritme van deze verhouding). Gegeven p, een geobserveerde probabiliteitsproportie, is de: Odds Ratio = p/(1-p) LOG Odds Ratio = LOG 10 [p/(1-p)] Prevalentie Het aantal bestaande gevallen van een bepaalde aandoening per individuen in de gehele populatie op een bepaald moment (puntprevalentie) of gedurende een bepaalde periode (periodeprevalentie). Sensitiviteit De frequentie waarmee een test positief uitvalt in de groep patiënten die volgens de gouden standaard aan de bewuste ziekte lijdt. Specificiteit De frequentie waarmee een test negatief uitvalt in de groep personen vrij van de bewuste ziekte. Symmetrie en asymmetrie Terminologie die wijst op het verschil tussen aantonende en uitsluitende kracht van eenzelfde argument. Tekenscore Beschrijvende waarde die via een teken aan een argument wordt toegekend. Uitsluiter Argument dat een voorkans of klinisch vermoeden doet afnemen. Huisarts Nu mei 2004; 33(4) 213

24 Unlikelihoodratio 1/LR- = proportie TN gedeeld door proportie FN. Deze verhouding geeft de kracht weer waarmee een negatieve test afwezigheid van ziekte aantoont. Wachtkamerkans De kans die een patiënt op een aandoening heeft nadat hij over de drempel van de praktijk is gestapt, maar vóór de arts hem heeft gezien. Op huisbezoek spreekt men van de aanbelkans, namelijk de kans die een patiënt op een aandoening heeft vóór de arts hem thuis heeft gezien. Woordscore Beschrijvende waarde die via een woord aan een argument wordt toegekend. L i t e r a t u u r Interessante literatuur 1 Kassirer JP, Kopelman RI. Learning Clinical Reasoning. Baltimore: Williams & Wilkins, Van Driel M. Minerva: Verklarende Woordenlijst voor Evidence-Based Medicine. Leuven: ICHO, Richardson WS. Where do pretest probabilities come from. EBM (EBM Note) 1999;4(3): Van den Ende J. Medische Besliskunde. Een nieuw accent in de Vlaamse huisartsengeneeskunde [jubileumnummer]. Huisarts Nu 1996;25(9). 5 Sackett DL. Evidence-based medicine. How to practice and teach EBM. New York: Churchill-Livingstone, Van den Ende J, Van Gompel A, Van den Enden E, Van Damme W, Janssen P. Bridging the gap between clinicians and clinical epidemiologists: Bayes theorem on an ordinal scale. Theor Surg 1994;9: Sackett DL, Rosenberg WMC, Gray JAM, Haynes RB, Richardson WS. Evidence based medicine: what it is and what it isn t. BMJ 1996;312: Dujardin B, Van den Ende J, Van Gompel A, Unger JP, Van Der Stuyft P. Likelihood ratios: a real improvement for clinical decision making? Eur J Epidemiol 1994;10(1): Fagan TJ. Normogram for Bayes theorem [letter]. N Engl J Med 1975; 293:257. McGee S. Evidence-based physical diagnosis. Philadelphia: WB Saunders Company, Black ER, Bordley DR, Tape TG, Panzer RJ. Diagnostic strategies for common medical problems. Philadelphia, Pennsylvania: American College of Physicians, Review over meningitis, gebruikt in dit artikel Attia J, Hatala R, Cook DJ, Wong JG. The rational clinical examination. Does this adult patient have acute meningitis? JAMA 1999;282(2): Interessante website over sensitiviteit, specificiteit en Bayes 9 Sox Jr. HC, Blatt MA, Higgins MC, Marton KI. Medical Decision Making. Newton: Butterworth-Heinemann, Reid MC, Lae DA, Feinstein AR. Academic calculations versus clinical judgments: practicing physicians' use of quantitative measures of test accuracy. Am J Med 1998;104(4): Glasziou P. Which methods for bedside Bayes? EBM 2001;6: Edwards A, Elwyn G, Mulley A. Explaining risks: turning numerical data into meaningful pictures. BMJ 2002;324(7341): Hunink MGM. In Search of Tools to Aid Logical Thinking and Communicating about Medical Decision Making. Med Decis Making 2001;21: Buzan T. The Mind Map Book. London: BBC books, Huisarts Nu mei 2004; 33(4)

25 H U I S A R T S & N A V O R M I N G K L I N I S C H E L O G I C A ( D E E L 3 ) Van diagnose naar beslissing tot hulpaanbod H. VAN PUYMBROECK, R. BRUYNINCKX, F. BLANCKAERT, J. BOECKX, L. FERRANT, L. DEBAENE, J. DE WACHTER, J. VAN DEN ENDE Een belangrijk facet van onze competentie en ervaring wordt bepaald door onze drempelkunde. Een bewustwording van het fenomeen drempel, een analyse van de verschillende factoren voor drempelbepaling en een discussie onder collega s zijn waarschijnlijk stukken nuttiger dan het instuderen van verschrikkelijk ingewikkelde formules. Van den Ende J. Medische Besliskunde. Een nieuw accent in de Vlaamse huisartsengeneeskunde [jubileumnummer]. Huisarts Nu 1996;25(9). In dit derde artikel van de reeks Klinische logica nemen de auteurs de overgang van diagnosestelling naar verder beleid onder de loep. Hierbij beantwoorden ze twee belangrijke vragen: (1) wanneer is de waarschijnlijkheid van een vooropgestelde diagnose op een bepaald moment voldoende hoog om zinvolle hulp aan te bieden? en (2) kan een bijkomend (para)klinisch gegeven (zoals de uitslag van een test) de beslissing om hulpaanbod op te starten, nog wijzigen? Zij reiken ons tevens handvatten aan om de beslissing tot hulpaanbod accuraat en logisch te onderbouwen. De vetgedrukte en onderlijnde begrippen in de tekst verwijzen naar de woordenlijst achteraan het artikel. In het vorige artikel gingen we aan de slag met werkhypothesen uit een diagnostisch landschap. We hebben voorkansen ingeschat, argumenten gewogen, verschillende werkhypothesen met elkaar in reliëf gebracht en de resultaten van heel dit proces voorgesteld in een diagram. Eén werkhypothese heeft zich hierbij afgetekend als meest waarschijnlijke diagnose. Het afbakenen van een meest waarschijnlijke diagnose houdt voor een arts een zekere verbintenis in. Hij moet de diagnose meedelen, een prognose uitwerken, een therapie opstarten, de patiënt verder testen of doorverwijzen. Hij kan ook afwachten, het natuurlijke verloop van de ziekte in de tijd volgen of zelfs helemaal niets doen. Bij de overgang van diagnosestelling naar verder beleid komen twee belangrijke vragen aan bod: - Is de waarschijnlijkheid van de vooropgestelde diagnose op dit moment voldoende hoog om zinvolle hulp aan te bieden? - Kan een bijkomend (para)klinisch gegeven (zoals de uitslag van een test) de beslissing om hulpaanbod op te starten, nog wijzigen? Deze twee vragen vormen de rode draad doorheen dit artikel. We willen hierbij artsen handvatten aanreiken om de beslissing tot hulpaanbod accuraat en logisch te onderbouwen. Eerst trachten we de twee bovenstaande vragen te beantwoorden via een theoretisch, medischbesliskundig model. Nadien analyseren we dit model in relatie tot de zorg voor een hypothetische patiënt. Ten slotte passen we het toe op ons mevrouw Janssens, onze voorbeeldcasus. W a a r s c h i j n l i j k h e i d o p d i a g n o s e v o l d o e n d e h o o g? In een diagnostisch proces is het de uiteindelijke bedoeling om slechts één diagnose over te houden. Hiervoor probeert de clinicus een vooraf bestaand vermoeden van de diagnose steeds verder op te tillen, totdat naar zijn gevoel voldoende zekerheid is bereikt. Maar wat houdt de term zekerheid op ziekte nu eigenlijk in? Ziektewaarschijnlijkheid, zekerheid of kans op ziekte Ieder diagnostisch proces wordt gekenmerkt door een groei van relatieve onzekerheid naar relatieve zekerheid. Figuur 1 brengt deze groei in kaart via een procentuele schaal, gaande van 0 tot 100 %. Ieder punt op deze schaal komt overeen met een bepaalde ziektewaarschijnlijkheid of kans op ziekte. Bij 5 % heeft de patiënt slechts vijf kansen op 100 om aan de bewuste ziekte te lijden (grote onzekerheid). Bij 95 % heeft de patiënt 95 kansen op 100 om aan de bewuste ziekte te lijden (grote zekerheid). Even opmerken dat wanneer we kansen op ziekte uitdrukken in percentages, het aantal kansen vóór (de teller van de breuk) verweven zit in het totaal aantal kansen (de noemer van de breuk). We kunnen ziektewaarschijnlijkheid ook anders benaderen. We kunnen namelijk het aantal kansen vóór uit- 246 Huisarts Nu juni 2004; 33(5)

26 Het diagram toont aan dat het niveau van zekerheid waarbij tot actie wordt besloten (hier 20 % uitgedrukt in odds als 20><80) niet hoeft overeen te komen met de bereikte diagnostische zekerheid op ziekte op dat moment (hier bijvoorbeeld bij 20, 50, 70 of 90 % diagnostische zekerheid). Figuur 1: Groei in zekerheid (of waarschijnlijkheid) op ziekte voorgesteld op een procentuele (%) schaal en in termen van odds. zetten tegenover het aantal kansen tegen. Dit noemt men de odds-benadering. We nemen het punt 20 % waarschijnlijkheid als voorbeeld. Op dit punt liggen de kansen op ziekte in het voordeel van niet ziek, want 20 % waarschijnlijkheid komt overeen met twee kansen op ziek tegen acht kansen op niet ziek. Bij 80 % zekerheid is het net andersom: acht kansen op ziek tegen twee op niet ziek. Ziek haalt het nu op niet ziek. Een odds-benadering laat toe om de juiste verhouding tussen kansen vóór en kansen tegen te bepalen. Vermits de arts voortdurend ziektekansen moet inschatten en afwegen, komt deze benadering hem goed van pas. In principe weet hij immers nooit of de moment. patiënt die hem consulteert, een bepaalde ziekte heeft of niet. Maar als de arts besluit om alle diagnostiek te staken en een bepaalde actie te ondernemen (bijvoorbeeld een therapie opstarten), wat betekent dit dan voor de patiënt? Consequenties voor de patiënt Beslissen tot een hulpaanbod (bijvoorbeeld antibiotica voorschrijven voor Blijkbaar is het niveau van zekerheid dat nodig is om op een bepaald moment actie te ondernemen, niet noodzakelijk hetzelfde als het niveau van diagnostische zekerheid op dat Een actiedrempel komt overeen met een ziektewaarschijnlijkheid waarbij twee keuzen (bijvoorbeeld behandelen versus afwachtend observeren) even verantwoord zijn. een infectie) bij een bepaalde ziektewaarschijnlijkheid heeft belangrijke gevolgen voor de patiënt. Hij wordt op dat moment gecategoriseerd : hij lijdt aan de ziekte of lijdt er niet aan. Dit heeft consequenties voor de beleidsoptie(s). Bij lage ziektekans wordt actie ondernomen op het ogenblik dat de patiënt meer kans heeft om niet dan wel aan de bewuste ziekte te lijden (zie figuur 1: bij 20 % zekerheid liggen de kansen immers op 80 % niet ziek). Bij hoge ziektekans is het net andersom. Het niveau van zekerheid, nodig om op een bepaald moment actie te ondernemen, hoeft niet noodzakelijk samen te vallen met het niveau van diagnostische zekerheid op dat zelfde moment (figuur 1). Het eerste heeft te maken met afwegen van voor- en nadelen van de geplande actie, terwijl het tweede de resultante is van opgebouwde diagnostische informatie. Om dit cruciaal paradigma van de medische besliskunde goed te begrijpen, steken we even ons licht op bij de drempelkunde. Drempelkunde Drempelkunde is een deeldiscipline van de medische besliskunde en bestudeert de overgang of drempel (Engels: threshold) van één bepaalde keuze naar een andere. Omdat ons model het heeft over de beslissing om een bepaalde actie op te starten, hanteren we hier de meer specifieke term actiedrempel. HET BEGRIP ACTIEDREMPEL Een actiedrempel komt overeen met een ziektewaarschijnlijkheid (figuur 2), waarbij twee keuzen even verantwoord zijn (bijvoorbeeld behandelen versus afwachtend observeren). Bij een ziektewaarschijnlijkheid lager dan de actiedrempel is één bepaalde keuze verantwoord (afwachtend observeren). Ligt de ziektewaarschijnlijkheid Huisarts Nu juni 2003; 33(5) 247

27 Figuur 2: Actiedrempel bij een bepaalde ziektewaarschijnlijkheid p* (hier 50 %). hoger dan de actiedrempel, dan is de andere keuze (behandelen) meer geschikt. Hoe bepalen we de ligging van een actiedrempel op een waarschijnlijkheidsschaal? In de literatuur wordt melding gemaakt van twee methoden: de analytische en de intuïtieve 1. De analytische methode is complex, erg wiskundig en moeilijk toegankelijk. De intuïtieve methode is daarentegen gebruiksvriendelijk, weinig omslachtig en steunt in haar toepassing op parate kennis en ervaring. Ze vertrekt van de vraag: Vanaf welke mate van ziektewaarschijnlijkheid ben ik als arts bereid actie te ondernemen? Deze actie kan zijn: een behandeling instellen, verwijzen, een diagnose of prognose meedelen, de patiënt geruststellen of voorlopig afwachten. Het antwoord op deze vraag lichten we toe in de context van het opstarten van een therapie. delen de beste keuze. Ligt die daaronder, dan is niet behandelen de beste keuze (afwachten of helemaal niets doen). Hierbij is van groot belang dat een evenwicht wordt gevonden tussen kost, risico en leed van een zinvolle behandeling enerzijds, en kost, risico en leed van een nutteloze behandeling anderzijds. Door een actiedrempel in te voeren, wordt de patiënt ofwel geplaatst in de categorie niet zieken, ofwel in de categorie zieken. De actie wordt aangepast aan de gekozen categorie (figuur 3). Als de arts een patiënt als niet ziek, of anders gezegd als gezond, beoordeelt, dan betekent dit dat de kans op ziekte, op het moment dat alle onderzoeksmogelijkheden zijn uitgeput, onvoldoende hoog is om met een behandeling te starten. Verdere observatie (of eventueel niets doen en de patiënt geruststellen) is nodig. Deze inschatting kan uiteraard correct zijn, maar ook fout. Het gaat hier tenslotte over relatieve en niet over absolute zekerheid. Het oordeel van de arts heeft wel belangrijke gevolgen! Schat hij de situatie juist in en behandelt hij de patiënt niet, dan is er niets aan de hand. ACTIE: BEHANDELEN Verbinden we een actiedrempel aan de keuze behandelen versus niet behandelen, dan hebben we het over de ziektewaarschijnlijkheid waarbij twee keuzen, namelijk behandelen of niet, even verantwoord zijn. Ligt een ziektewaarschijnlijkheid boven de actiedrempel, dan is behan- Figuur 3: Actiedrempel en effect van een beslissing tot behandeling bij een bepaalde ziektewaarschijnlijkheid (p* = 40 %) in een groep patiënten. 248 Huisarts Nu juni 2004; 33(5)

28 Maar gokt hij verkeerd, dan zit hij uiteraard wel met een probleem. Het omgekeerde gebeurt wanneer de arts denkt dat de kans op ziekte boven de actiedrempel ligt. Hij veronderstelt dus dat de patiënt ziek is en dat de ziektekans voldoende hoog is om te behandelen. Ook hier kan zijn inschatting correct zijn, maar ook fout. Is de patiënt echt ziek en wordt hij behandeld: geen nood. Maar is dat niet zo, dan zit de arts weer met een probleem. Men kan een actiedrempel voor het instellen van een behandeling inschatten door zich te vergewissen vanaf welke mate van zekerheid men wil starten met die actie. In feite vraagt men zich dan af: Hoeveel nutteloze behandelingen accepteer ik om ten minste die éne patiënt die de ziekte wél heeft, niet zonder behandeling achter te laten? ZIEKTESTATUSSEN We kunnen besluiten dat, door het vastleggen van een (actie)drempel, men twee subgroepen en vier overeenkomstige ziektestatussen creëert: 1. een subgroep boven de drempel. In deze groep onderscheiden we twee ziektestatussen: a. status waarbij mensen inderdaad aan de ziekte lijden en worden behandeld. Dit is een aanvaardbare situatie voor reële zieken. De ernst van de ziekte en de effectiviteit van de therapie bepalen het nut van de beslissing tot behandelen. De bijwerkingen van de therapie zijn de te nemen risico s. b. status waarbij mensen als ziek worden beschouwd, maar het in werkelijkheid niet zijn en dus onterecht worden behandeld. Tenzij de voorgestelde therapie belangrijke risico s inhoudt, valt dit nog mee voor deze patiënten. 2.een subgroep onder de drempel. In deze groep onderscheiden we ook twee ziektestatussen: a. status waarbij mensen de bewuste ziekte wel degelijk hebben, maar niet worden behandeld. Dit is de minst gunstige situatie voor de reële zieken, tenzij de therapie zeer onaangenaam is of ernstige bijwerkingen heeft. b. status waarbij correct gecategoriseerde niet zieken niet worden behandeld. Dit is uiteraard de ideale situatie. Behandelen van gezonden is immers nutteloos, zeker als de behandeling risico s inhoudt. GROOTTEORDES ALS LEIDRAAD Een eenvoudig antwoord op de vraag Vanaf welke mate van zekerheid zal ik behandelen? vindt de arts door terug te grijpen naar grootteordes. Hij kan zich bijvoorbeeld afvragen hoeveel personen (bijvoorbeeld op honderd) met een gelijkaardig ziektebeeld hij ten onrechte wil behandelen om ten minste die ene persoon die de ziekte wél heeft, niet zonder behandeling achter te laten. Aanvaardt de arts, na afwegen van voor- en nadelen van de therapie, één nutteloze behandeling op twee of één op tien of slechts één op honderd, dan liggen de actiedrempels respectievelijk bij 50, 90 en 99 %. We passen deze redenering toe op onze voorbeeldcasus. Antibiotherapie voor bacteriële meningitis is aan de ene kant zeer doeltreffend, weinig toxisch en de behandelingskost is niets vergeleken met de kost verbonden aan de gevolgen van niet behandelen. Aan de andere kant evolueert de ziekte snel en kan deze in de kortste keren desastreuze gevolgen hebben. Het besmettingsrisico is bovendien reëel. Om al deze redenen ligt de drempel voor behandeling van een meningitis laag. We veronderstellen dat de meeste artsen meer zien in het eventueel nutteloos behandelen van 99 patiënten die misschien meningitis hebben zoals mevrouw Janssens, dan die éne mevrouw Janssens met meningitis zonder therapie achter te laten. Anders gezegd, we denken dat artsen een actiedrempel van 1 % zekerheid op meningitis zeer aanvaardbaar vinden. HOGE VERSUS LAGE ACTIEDREMPEL Misschien kiest de arts voor een hoge actiedrempel. Uitstel van behandeling houdt echter het risico in dat potentiële zieken ten onrechte als gezond bestempeld blijven. Verdere diagnostiek kost tijd en ondertussen ontzegt de arts zijn patiënt iedere vorm van zinvolle behandeling. In geval van een bacteriële meningitis is dit een ware catastrofe. Misschien gaat de voorkeur van de arts naar een lage actiedrempel. Hierdoor loopt hij meer kans om gezonde personen ten onrechte als ziek te beoordelen en ze nutteloos te behandelen. Dit is geen ramp in geval van een bacteriële meningitis, vermits de therapie slechts geringe risico s inhoudt. FORMELE DREMPELWAARSCHIJNLIJKHEID We weten nu dat een hulpaanbod alleen gestart mag worden wanneer de ziektewaarschijnlijkheid door argumentatie zodanig is gegroeid dat ze boven de ingeschatte actiedrempel uitkomt. Slechts dan heeft hulpaanbod zin. Vooraleer de arts met een zinvol hulpaanbod start, moet hij de kans op ziekte terugkoppelen naar een formele drempelwaarschijnlijkheid. Hierdoor verleggen we het zwaartepunt van het diagnostisch proces: niet het Huisarts Nu juni 2003; 33(5) 249

29 behalen van een zo hoog mogelijke diagnostische zekerheid, maar het halen van de drempel is belangrijk. Hulpaanbod kan immers nodig zijn op een moment dat we absoluut nog geen zekerheid hebben of de vooropgestelde diagnose een correcte verklaring is voor het medisch probleem van de patiënt. K a n e e n b e s l i s s i n g t o t h u l p a a n b o d n o g w i j z i g e n? Kan een bijkomend gegeven, zoals de uitslag van een test, de beslissing tot het opstarten van een hulpaanbod wijzigen? De ligging van een actiedrempel op een waarschijnlijkheidsschaal hangt af van verschillende factoren. We analyseren in wat volgt één van deze factoren, namelijk het effect van een test op de beslissing tot actie. Actiedrempelbeïnvloedende factoren Voor het bepalen van een actiedrempel zijn zeer ingewikkelde formules beschreven, maar die helpen in de dagelijkse praktijk geen enkele arts vooruit. Wel moeten artsen zich bewust zijn van de factoren die een actiedrempel kunnen beïnvloeden (zie kader). Effect van een test op beslissing tot actie Klassiek probleem voor de arts: anamnese en klinisch onderzoek zijn uitgeput en de ziekte is onvoldoende zeker aangetoond om hulpaanbod op te starten. Om extra zekerheid te krijgen moet de arts zijn patiënt bijvoorbeeld aan een bijkomende test onderwerpen. Het resultaat van deze test bepaalt dan of de geplande beslissing tot hulpaanbod wijzigt of niet. Is dergelijke test goedkoop en houdt die geen gevaren in voor de patiënt, dan zal iedere arts die uitvoeren. Maar is de test integendeel zeer duur en risicovol, dan is het probleem des te meer uitgesproken. In beide gevallen moet de arts zich vóór alles afvragen in hoeverre het resultaat van de test doorslaggevend zal zijn voor zijn verder beleid. Met andere woorden: hij moet nagaan of de diagnostische test die hij wil uitvoeren, zijn beslissing tot hulpaanbod nog kan of zal beïnvloeden. Een diagnostische test kan die beslissing slechts beïnvloeden wanneer de (aantonende of uitsluitende) kracht van de test voldoende sterk is om het reeds opgebouwd klinisch vermoeden vóór de test hetzij boven de actiedrempel te tillen in geval van aanto- Niet het behalen van een zo hoog mogelijke diagnostische zekerheid, maar het halen van de drempel is belangrijk. Een diagnostische test kan de beslissing om hulp te bieden aan de patiënt slechts beïnvloeden wanneer de (aantonende of uitsluitende) kracht van de test voldoende sterk is om het reeds opgebouwd klinisch vermoeden vóór de test boven de actiedrempel te heffen in geval van aantonen, of onder de actiedrempel te drukken in geval van uitsluiten. Actiedrempelbeïnvloedende factoren Algemene factoren Drempelverlagers ernst van de ziekte, doeltreffendheid van de behandeling, combinatie van ernst van de ziekte en doeltreffendheid van de behandeling geven het nettonut van de behandeling, transmissiegevaar bij infectieziekten, eventuele andere gevaren van patiënt voor zijn omgeving: epilepsie bij besturen van een voertuig, ruïneren van partner of familie bij hyperthyroïdie of manisch-depressieve psychose enzovoort. Drempelverhogers stigma voor de patiënt en zijn omgeving (HIV, tuberculose, MS,...), toxiciteit, leed en kost van de behandeling zowel bij terecht positieven (zieken) als bij vals-positieven (niet-zieken), vooral wanneer de behandeling hospitalisatie vereist. Factoren verbonden met de actie verder testen testkwaliteit: de test moet het aantal vals-positieven verminderen, zonder teveel vals-negatieven te genereren, risico (of lijden) verbonden aan de test: bijvoorbeeld coronarografie, verder testen kost vaak geld, tijd, onzekerheid en last voor de patiënt en zijn omgeving. 250 Huisarts Nu juni 2004; 33(5)

30 nen, hetzij onder de actiedrempel te drukken in geval van uitsluiten. Figuur 4 illustreert de vier situaties die zich hierbij meestal voordoen: 1. bij test A (aantonend) ligt de voorkans onder de actiedrempel, maar de test is voldoende krachtig om de beslissing te beïnvloeden. Door de kracht van de test verschuift de waarschijnlijkheid op ziekte van het observeergebied naar het (be)handelingsgebied; 2. bij test B (aantonend) ligt de voorkans onder de actiedrempel, maar de test is onvoldoende krachtig om de beslissing te beïnvloeden (de nakans na de test komt niet boven de actiedrempel); 3. bij test C (uitsluitend) ligt de voorkans boven de actiedrempel. De test is echter voldoende krachtig om de beslissing te beïnvloeden; 4. bij test D (uitsluitend) ligt de voorkans ook boven de actiedrempel, maar de test is onvoldoende krachtig om de beslissing te beïnvloeden. We kunnen hieruit afleiden dat de aantonende kracht van test B en de uitsluitende kracht van test D onvoldoende zijn om het klinisch vermoeden in een ander beslisveld te duwen. Zij moeten bijgevolg niet worden uitgevoerd. Tests A en C beïnvloeden de beslissing tot hulpaanbod daarentegen wel. Meer algemeen mogen we dus stellen dat een test een beslissing tot actie slechts kan beïnvloeden wanneer de De lijnstukken stellen grootte van krachten voor. Figuur 4: Effect van de kracht van een test (A, B, C of D) op de beslissing om al of niet tot hulpaanbod over te gaan bij een bepaalde actiedrempel p*. waarde van zijn aantonende of uitsluitende kracht het klinisch vermoeden op ziekte vóór de test ten minste tot op de actiedrempel brengt. Voor een dergelijke test geldt immers dat voorkans x LR(+/-) test = de actiedrempel. Het belang van deze vaststelling wordt toegelicht in het kaderstuk onderaan. We onthouden nu alleen dat het uitvoeren van een test nut en zin heeft voor zover hij de voorkans op de ziekte onder analyse dermate beïnvloedt dat de beslissing om te (be)handelen ook wordt beïnvloed. Dit paradigma vormt één van de belangrijke pijlers van de drempeltheorie van Pauker en Kassirer, een basistheorie in de drempelkunde. Pauker en Kassirer hebben getracht het probleem van de relatie tussen testen en behandelen op te lossen door de positieve kanten (nut) van een behandeling/test voor een patiënt uit te zetten tegenover de negatieve kanten (risico, schade) ervan 2,3 (zie volgende blz.). De regel van Bayes en ons logaritmisch model Ons logaritmisch model voorziet in een manier om het maximale bereik, aangereikt door krachten van de test, vast te leggen. Voor meer uitleg over de omzetting van factoren uit de formule van Bayes in logaritmen, raden we u aan het vorige artikel ter hand te nemen (Klinische logica (deel 2): van diagnostisch landschap tot diagnose. Huisarts Nu 2003;33(4):201-14). De twee formules die wij als basis gebruiken voor de berekening van een drempel voor actie zonder verder testen of testdrempel, zijn: a) LOG10 drempel voor actie zonder verder testen = LOG10 actiedrempel + LOG10 LRb) LOG10 testdrempel = LOG10 actiedrempel - LOG10 LR+ Beide formules komen overeen met de oorspronkelijke formules van Pauker en Kassirer (zie verder), voor zover de nadelen van de test (risico of kost) niet zijn ingecalculeerd. Zij tonen het maximale theoretisch nut van de bewuste test aan. Het is duidelijk dat een verhoogd risico en/of een belangrijke kost van een test de breedte van het testveld ook kunnen beïnvloeden. Zo zullen riskante en dure tests weinig bewegingsruimte toelaten in het testveld. Ze verkleinen het maximale bereik. Bij risicoloze en goedkope tests is dit net andersom. Wij kozen ervoor om de kracht van de test te laten primeren: wat is immers het nut van een goedkope test als hij niet krachtig genoeg is om de beslissing tot hulpaanbod te wijzigen? Huisarts Nu juni 2003; 33(5) 251

31 Pauker en Kassirer en ons model We voeren de ideeën van Pauker en Kassirer in ons model in door rond de actiedrempel een testveld te construeren (figuur 6): 1. het veld rond de actiedrempel p* met als grenzen p1 en p2 is het testveld; 2. p2 is de bovenste limiet van het testveld. Deze grens komt overeen met de ziektewaarschijnlijkheid, waarvoor geldt dat: p2 - uitsluitende kracht van de test = de actiedrempel. Zit ons klinisch vermoeden vóór de test (bijvoorbeeld bij stap n) boven deze grens, dan moeten we meteen actie ondernemen. Zit het ergens tussen deze grens en de eigenlijke actiedrempel p*, dan moeten we testen en het effect van de uitsluitende kracht van de test op de voorkans in rekening brengen. Is de test positief, dan moet actie worden ondernomen, vermits we dan steeds boven p* vallen. Merk op dat de grens p2 overeenkomt met de test-treatment threshold in het Waarschijnlijkheid op ziekte (%) UK: uitsluitende kracht van de test; AK: aantonende kracht van de test Figuur 6: Testveld rond de actiedrempel p*. Drempeltheorie van Pauker en Kassirer Om de invloed van een test op een beslissing tot actie te beschrijven, identificeerden Pauker en Kassirer twee drempels: een testing threshold en een test-treatment threshold (figuur 5). Het invoeren van deze twee drempels heeft drie klinische beslissingen tot gevolg: treat, test of wait. In de wait -zone is het risico om te testen groter dan het risico om de ziekte te missen. De arts kan daarom beter wachten en de patiënt bijvoorbeeld verder observeren. In de treat - zone is het risico om de ziekte te missen groter dan het gevaar de patiënt aan een risicovolle test te onderwerpen. De arts dient meteen te starten met een behandeling. In de test -zone moet de arts de test uitvoeren en op basis van het resultaat de patiënt al dan niet behandelen. Figuur 5: Drempeltheorie van Pauker en Kassirer: drie klinische beslissingen en twee drempels. Stappen in het diagnostisch proces model van Pauker en Kassirer, voor zover alleen het discriminerend vermogen van de test in rekening wordt gebracht; 3. p1 vormt de onderste limiet van het testveld. Deze grens komt overeen met de ziektewaarschijnlijkheid, waarvoor geldt dat: p1 + de aantonende kracht van de test = de actiedrempel. Als ons klinisch vermoeden onder deze grens zit, wachten we af en observeren we de patiënt verder. Zit het ergens tussen deze grens en de eigenlijke actiedrempel p*, dan moeten we testen. Als de test positief uitvalt, brengen we het effect van de aantonende kracht in rekening. Valt hij negatief uit, dan ondernemen we geen actie, vermits we nog steeds onder de actiedrempel p* blijven hangen. Merk op dat de grens p2 overeenkomt met de testing threshold in het model 252 Huisarts Nu juni 2004; 33(5)

32 van Pauker en Kassirer, voor zover alleen het discriminerend vermogen van deze test in rekening wordt gebracht. In het hiernavolgende deel passen we de drempeltheorie stap voor stap toe, eerst op een hypothetische zorgsituatie, nadien op patiënte uit onze voorbeeldcasus. D r e m p e l m o d e l t o e g e p a s t o p h y p o t h e t i s c h e z o r g s i t u a t i e Wanneer we het drempelmodel op de zorg voor een patiënt toepassen, doorlopen we verschillende stappen. In volgende hypothetische situatie zijn we dankzij anamnese en onderzoek tot een voorkans van -2 op de LogOdds-schaal gekomen. De actiedrempel hebben we vastgelegd op -1. We gaan ervan uit dat anamnese en klinisch onderzoek, waaronder ook enkele eenvoudige tests, zijn uitgeput. We hebben kennis van een risicovolle en/of dure test. We vragen ons af of het uitvoeren van deze test onze beslissing om actie te ondernemen nog kan beïnvloeden. Figuur 7 illustreert op basis van het diagnostisch diagram uit vorig artikel (Huisarts Nu;33(4):211) de verschillende stappen die we hiervoor moeten doorlopen: 1. het diagnostisch proces in stappen uitstippelen; 2. de voorkans van de ziekte op dit moment bepalen (p op -2); 3. de actiedrempel vastleggen (p* op -1); 4. een testveld creëren rond de actiedrempel, uitgaande van de krachten van de vooropgestelde dure of risicovolle test. We nemen aan dat de test een uitsluitende kracht heeft van twee stappen (=zeer sterk, LR 100) en een aantonende kracht van anderhalve stap (=sterk, LR 30) (zie tabel 4 vorig artikel, Huisarts Nu;33(4):207). We zetten deze krachten rond de actiedrempel uit en bekomen het testveld; 5. de gegevens interpreteren: de ziektekans op het moment van interpretatie ligt in het testveld (op -2): we moeten de test dus uitvoeren; 6. besluiten trekken: we zien in het diagram dat de test positief is uitgevallen. Hierdoor komt de ziektekans na de test op -0,5, dus boven de actiedrempel. Op basis van deze testuitslag moeten we het geplande hulpaanbod opstarten. In wat nu volgt passen we deze stappen toe op mevrouw Janssens, patiënte uit onze voorbeeldcasus. D r e m p e l m o d e l t o e g e p a s t o p v o o r b e e l d c a s u s Bij mevrouw Janssens hadden we zes klinische data verzameld: geslacht, leeftijd, koorts, hoofdpijn, verwarring en nekstijfheid. Dit patroon suggereerde één of andere vorm van meningitis. We doorlopen de verschillende stappen van de drempeltheorie op deze context (figuur 8): Stap 1: het diagnostisch traject in stappen van zekerheid uitstippelen. We vertrekken met de gevonden data vanuit een initiële voorkans op meningitis van -4,5 op de LogOddsschaal. Dit wil zeggen halfweg tussen ongeveer 1 kans op (10-5 ) en 1 kans op (10-4 ), een plausibele schatting met een huidig incidentiecijfer in Vlaanderen van ongeveer 1 op inwoners. Stap 2: het door argumentatie opgebouwd klinisch vermoeden vastleggen. Figuur 8 illustreert dat we na het vinden van de zes data bij mevrouw Janssens uitkomen op een finale ziektekans van -0,5 op de LogOdds-schaal. Stap 3: het bepalen van de actiedrempel. Bij een mogelijke meningitis is de belangrijkste taak UK: uitsluitende kracht; AK: aantonende kracht De waarschijnlijkheid wordt nu uitgedrukt in LogOdds in plaats van procenten (zie vorig artikel, Huisarts Nu;33(4):201-14). Figuur 7: Stappen die worden doorlopen om tot hulpaanbod over te gaan. Huisarts Nu juni 2003; 33(5) 253

33 Algemeen kunnen we de zes stappen, die we moeten doorlopen om tot actie over te gaan, als volgt beschrijven: 1. het diagnostisch traject in stappen van zekerheid uitstippelen, vertrekkende van de initiële voorkans op de ziekte onder analyse; 2. het door argumentatie opgebouwde klinisch vermoeden vastleggen; 3. de actiedrempel bepalen, onafhankelijk van het klinisch vermoeden; 4. kijken waar het klinisch vermoeden zich bevindt ten opzichte van de actiedrempel; 5. indien nodig, een testzone rond de actiedrempel vastleggen en kijken of de test onze beslissing tot actie nog kan beïnvloeden; 6. alle gegevens interpreteren. van de huisarts de patiënt op basis van een zo accuraat mogelijke diagnostiek tijdig binnen te sturen voor verder onderzoek (bijvoorbeeld lumbaalpunctie). We veronderstellen nu even dat deze tijd in ons nadeel speelt. We krijgen om één of andere reden mevrouw Janssens niet binnen het uur in het ziekenhuis. Vanuit medico-legaal oogpunt moeten we dan een behandeling met antibiotica opstarten. We leggen de drempel voor deze actie op punt -2 van de schaal (LOG van 0,01 of 10-2 ). Dit wil zeggen dat we bij verdenking op meningitis deze actie reeds willen ondernemen vanaf 1 % zekerheid op ziekte. Dit lijkt weinig, maar bij een ziektebeeld zoals dat van mevrouw Janssens willen we op dit moment met onze diagnostische besluitvorming slechts bij 1 op 100 patiënten in de fout gaan. Met andere woorden we willen in dergelijke situaties desnoods 99 patiënten ten onrechte antibiotica geven: een meningitis niet behandelen is een ramp voor de patiënt en een zware frustratie voor de huisarts. Stap 4: kijken waar we met ons klinisch vermoeden zitten ten opzichte van de actiedrempel. We zitten op dit ogenblik met mevrouw Janssens op een klinisch vermoeden van -0,5 op de LogOdds-schaal. Stap 5: het vastleggen van een testzone rond de actiedrempel. Deze stap vervalt. Een testzone tekenen is enkel nodig wanneer een doorslaggevende test onze beslissing om met antibiotica te starten zou kunnen beïnvloeden. Een lumbaalpunctie komt hiervoor in aanmerking, maar die uitvoeren ligt niet in de bevoegdheid van een huisarts. Stap 6: het interpreteren van al deze gegevens. Op basis van al onze gegevens en bedenkingen moeten we mevrouw Janssens eerst antibiotica geven en haar daarna zo snel mogelijk in het ziekenhuis krijgen. I s a l l e s h i e r m e e o p g e l o s t? In onzekerheid beslissen is eigen aan iedere vorm van geneeskunde. Hoe beter men deze onzekerheid kan hanteren, hoe beter arts men misschien wordt. Om hiermee op een zinvolle manier te leren omgaan, reikt de drempelkunde besliskundige ankerpunten aan: voorkans op ziekte, actiedrempel en limieten van de testzone rond deze actiedrempel. Ze dienen als formele bakens om een diagnostisch probleem op te lossen. Al deze gegevens interpreteren en visueel voorstellen in een diagram zet de kroon op ons diagnostisch werk, maar...! In onzekerheid beslissen heeft ook een belangrijke negatieve kant. Omdat de huisarts vaak te weinig diagnostische mogelijkheden voorhanden heeft, loopt hij soms risico s. Conradi zegt hierover: Een huisarts die zonder Figuur 8: Evolutie van de ziektewaarschijnlijkheid op meningitis bij mevrouw Janssens. 254 Huisarts Nu juni 2004; 33(5)